相关实验视频
Updated: May 10, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
从视网膜底部图像进行基于深度学习的血管衰老预测
Ruohong Wang1, Yuhe Tan1, Zheng Zhong1
1Department of Ophthalmology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, People's Republic of China.
Translational vision science & technology
|July 10, 2024
概括
一个新的深度学习模型,Reti-aging分数,使用视网膜图像来选血管衰老. 这种方法对预测心血管疾病充满希望,特别是在服务不足的地区.
科学领域:
- 眼科医生 眼科 眼科
- 心脏病学 心脏病学
- 人工智能的人工智能
背景情况:
- 血管衰老是一个重要的心血管风险因素.
- 目前对血管衰老的评估方法有限,并且在地理上受到限制.
- 视网膜底部图像为系统血管健康提供了潜在的窗口.
研究的目的:
- 开发和验证一种深度学习模型,用于从视网膜底部图像中选血管衰老.
- 将深度学习模型的诊断性能与临床参数和人类专家进行比较.
- 调查该模型对新发的心血管疾病的预测能力.
主要方法:
- 一个深度学习算法被训练在8865张视网膜底图像从4376名患者在两个数据集.
- 血管衰老的定义是脉冲波速度≥1400厘米/秒.
- 该模型的性能使用接收器操作特征曲线 (AUC) 下的面积进行评估,并与临床参数和专家评估进行比较.
主要成果:
- 在Reti-aging得分模型中,AUC达到0.826 (内部) 和0.779 (外部),超过了临床参数.
- 该模型的准确性超过了眼科医生的准确性,而老年医生则无法从图像中预测血管衰老.
- 反衰老得分与新发高血压和动脉斑块的风险有显著的相关性.
结论:
- 该Reti-aging分数模型提供了一种新且有效的方法,通过视网膜底部图像分析来选血管衰老.
- 这种深度学习方法为预测新发的心血管疾病提供了新的指标.
- 该模型的强大性能使其适合广泛选,特别是在资源有限的环境中.
更多相关视频
12:28Quantification of Vascular Parameters in Whole Mount Retinas of Mice with Non-Proliferative and Proliferative Retinopathies
Published on: March 12, 2022
3.6K
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
2.5K