[使用Python开发的光检测系统对经皮膜剥离后的氨酸绿的眼内分布特性的临床观察]

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 生物医学工程 生物医学工程

背景情况:

• 视网膜 (ERM) 剥离是一种常见的眼科手术.
• 印ocyanine Green (ICG) 用于可视化和帮助移除内部限制膜 (ILM).
• 了解ICG手术后的眼内行为对于患者的治疗结果至关重要.

研究的目的:

• 在ERM剥离后对ICG的眼内分布和代谢模式进行定量分析.
• 开发和使用基于Python的系统来检测和测量ICG光区域.
• 为了将ICG的代谢模式与视觉敏度和视网膜神经纤维层厚度相关联.

主要方法:

• 一个由64名患者组成的前性病例系列,他们接受了ICG染色的ERM剥离.
• 手术后的随访包括视力敏度,眼内压力,眼底摄影,近红外 fundus光成像 (NIR-FF) 和OCT.
• 开发了一个基于Python的系统,用于测量NIR-FF图像上的剩余ICG光面积.

主要成果:

• 沿着血管和神经纤维轨迹观察到ICG光,在12个月内逐渐向光盘汇聚.
• 建立了12个月剩余ICG面积的预测方程 (R2=16%,P=0.002).
• 在1个月的ICG残留面积和术后视力敏度之间发现了负相关性 (P=0.017).

结论:

• 在ILM剥离后,ICG显示特征性的眼内代谢过程,逐渐向光盘清除.
• 基于Python的ICG检测系统有效地可视化和量化ICG分布.
• 该系统有助于预测ICG代谢模式,并了解其在ERM手术结果中的作用.