相关实验视频
Updated: Jul 10, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
从视网膜图像进行心血管风险评估的多阶段方法,使用深度学习和计算机视觉技术的结合
Deepthi K Prasad1, Madhura Prakash Manjunath1, Meghna S Kulkarni1
1Research and Development, Image Processing and Analysis, Forus Health Private Ltd., Bengaluru 560070, India.
Diagnostics (Basel, Switzerland)
|May 11, 2024
概括
这项研究使用人工智能 (AI) 和 fundus 图像来预测心血管疾病 (CVD) 风险. 这种新的方法达到85%的准确性,为早期检测和风险分层提供了一种非侵入性方法.
科学领域:
- 眼科和心脏病学的眼科和心脏病.
- 医学成像和人工智能 医学成像和人工智能
背景情况:
- 心血管疾病 (CVD) 是全球死亡的主要原因,需要早期检测和风险评估.
- 视网膜微血管变化与全身血管健康有关,为心血管疾病提供潜在的非侵入性标志物.
研究的目的:
- 使用视网膜底图像开发早期心血管疾病 (CVD) 检测的预测模型.
- 通过整合手工制作的特征和来自视网膜血管系统的AI衍生模式来提高心血管疾病风险评估的准确性.
主要方法:
- 利用最先进的计算机视觉和人工智能算法从 fundus 图像中提取血管参数 (口径,曲率,分支).
- 采用深度学习 (DL) 二元分类模型来提高预测准确度.
- 集成手工制作的功能与人工智能提取的模式用于混合方法.
主要成果:
- 在预测心血管疾病 (CVD) 风险因素方面达到85%的准确性.
- 在早期预测心血管疾病风险和识别血管异常方面取得了有希望的结果.
- 通过可视化技术提供可解释的风险预测.
结论:
- 利用 fundus 图像进行心血管风险评估是可行的和有效的.
- 这种非侵入性,具有成本效益的方法为全民查提供了一个可扩展的解决方案.
- 这项研究为主动的心血管健康管理和精准医学提供了一个创新的工具.
