视野预后从斑点和圆圈 斑点光谱域光学连贯断层扫描

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:

• 青光眼的诊断和监测依赖于将结构损伤与功能视力损失相关联.
• 光谱域光学一致性断层扫描 (SD-OCT) 提供详细的视网膜截面图像.
• 准确预测视野缺陷对于管理青光眼的进展至关重要.

研究的目的:

• 为了研究视神经头部和斑点的结构变化与格洛科马患者的功能视力丧失之间的关系.
• 开发和评估使用SD-OCT数据预测视野平均偏差 (MD) 的深度学习模型.
• 探索结合多种海外成像方法的实用性,以改善青光眼的评估.

主要方法:

• 分析了5238名青光眼患者 (疑似和确诊) 的队列.
• 深度学习模型被训练来预测视野 (VF) 平均偏差 (MD) 和集群MD.
• 从七个特定的视网膜层的视网膜厚度图,从黄斑和视神经头部SD-OCT扫描中得出的图片被利用.

主要成果:

• 视网膜神经纤维层 (RNFL),状细胞层+内状层 (GCL+IPL) 和视网膜总厚度 (RT) 在MD预测中表现最好 (R2分数分别为0.37,0.33和0.31).
• 结合黄斑和视神经头部OCT扫描,与单一模式预测相比,MD预测准确度显著提高 (R2 = 0.48).
• 集群MD预测在中心地区特别有希望,达到0.56.2的R2.

结论:

• 结合多种OCT成像模式,包括视神经头部和黄斑扫描,可以提高对格洛科马功能性视力丧失的预测.
• 开发的深度学习模型在预测平均偏差方面表现出很高的准确性,特别是在早期至中期眼症中.
• 通过深度学习分析SD-OCT的客观措施,可以优化视觉现场测试频率并个性化眼治疗.