基于人工智能的高视儿童色底摄影的定量评估
Ruiyu Luo1, Zhirong Wang1,2, Zhidong Li1
1Ophthalmic Center State Key Laboratory of Ophthalmology, Sun Yat-Sen University Zhongshan, Guangzhou, Guangdong, China.
BMJ open ophthalmology
|July 5, 2024
概括
人工智能对 fundus 照片的分析显示,高视障儿童的视网膜血管直径更大. 这种人工智能方法量化了儿科视障的视神经头部和视网膜血管参数.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 超视是儿童常见的折射误差.
- 了解儿科视障的视神经头部和视网膜血管变化对于早期检测和管理至关重要.
- 目前用于量化这些参数的方法可能是主观的或耗时的.
研究的目的:
- 量化评估视觉神经头部和视网膜血管参数在患有高视障碍的儿童.
- 评估这些参数,年龄和球体等效折射率 (SER) 之间的关系.
- 探索基于人工智能 (AI) 对彩色基底照片 (CFP) 的分析对此评估的实用性.
主要方法:
- 对324名视高 (3-12岁) 儿童进行了横截面研究.
- 参与者被分为低超视 (SER+0.5 D至+2.0 D) 和中度至高超视 (SER ≥+2.0 D) 组.
- 人工智能被用来自动检测和量化 fundus 参数,包括光盘面积和平均容器直径,然后进行回归分析.
主要成果:
- 患有中度至高度超视的儿童与低度超视的儿童相比,表现出更大的上部神经网膜边缘宽度和更大的血管直径.
- 轴长与较小的上部和神经带边缘宽度和较小的血管直径显著相关.
- 在光盘面积/垂直盘直径和年龄之间发现了轻微的反相关性.
结论:
- 基于人工智能的CFP分析表明,高视障儿童的平均血管直径更大,垂直杯与盘的比率更小.
- 这项研究强调了AI能够提供客观,定量数据的能力,关于儿科高视眼的 fundus 参数.
- 人工智能提供了一个有前途的工具,用于加强高视障碍儿童眼部健康的评估和监测.
