一个新的分级系统,用于在病理近视症中扩散胆管底性缩

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 病态近视的特征是渐进的轴延长和视网膜变化.
• 扩散胆管缩 (DCA) 是一种严重的并发症,影响视觉功能.
• 量化评估和标准化DCA的分类对于管理至关重要.

研究的目的:

• 在病理性近视中量化评估扩散性胆管缩 (DCA).
• 使用人工智能开发和验证DCA的标准化分类系统.
• 为了将DCA等级与临床和成像参数相关联.

主要方法:

• 利用深度学习细分模型对202名患者的338只眼睛进行图像分析.
• 量化 DCA 损伤面积和密度.
• 采用等级聚类来建立基于面积和密度的四级分类系统 (G0-G3).
• 进行统计分析 (ANOVA) 来评估与临床参数的关联.

主要成果:

• 根据DCA面积和密度建立了一个四级系统 (G0-G3).
• DCA病变呈现出逐渐扩大,变化的形态和颜色变化.
• 与对照组 (G0) 相比,患有DCA的患者年龄较大,轴长度较长,近视球形相应物较多.
• 较高的DCA等级 (G1-G3) 与年龄较大,轴线长度较长,近视力增加,较大的近视缩和 fundus tessellation 有显著的相关性.

结论:

• 基于人工智能的分级系统提供了一种可靠的方法来评估DCA在病理性近视的严重程度.
• 这种标准化分类适用于查和管理高近视的广泛应用.
• 该系统有助于客观评估疾病进展和相关风险因素.