基于人工智能的视网膜血管形态的全自动分析在儿科高近视
Yinzheng Zhao1, Zhihao Zhao2, Junjie Yang2
1Klinik und Poliklinik für Augenheilkunde, Ophthalmology Department of Klinikum rechts der Isar, Technische Universität München, 81675, Munich, Germany.
BMC ophthalmology
|September 28, 2024
概括
人工智能软件显示,近视的进展会改变视网膜血管参数,特别是血管角度. 缩视的严重程度增加与这些血管特征的多样性更大相关.
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:
- 近视是一个日益严重的全球健康问题.
- 视网膜血管变化与各种眼睛疾病有关.
- 对视网膜血管系统的定量分析可以提供有关疾病进展的见解.
研究的目的:
- 开发人工智能驱动的软件,用于视网膜血管结构的自动分析.
- 为了研究视网膜血管结构在近视不同阶段的定量变化.
主要方法:
- 利用了来自1324名儿科参与者的2366张视网膜图像的数据集.
- 开发了一个卷积神经网络 (CNN) 和基于注意模块的模型,用于图像分类和血管细分.
- 测量了关键的血管参数,包括主角 (MA),分支角 (BA) 和两叉边缘系数 (BEC).
主要成果:
- 观察到主要角度 (MA) 显著减少,近视的严重程度增加,特别是在静脉系统.
- 在近视患者中,分叉边缘系数 (BEC) 不成比例地下降.
- 动脉分支角度 (BA) 在高近视下降,而静脉BA增加,高近视显示更高的BEC值.
- 人工智能模型在对图像进行分类时实现了94.19%的准确性.
结论:
- 近视的进展与视网膜血管参数的显著定量变化有关,特别是血管角度.
- 这项研究强调了随着近视的进展,血管特征的多样性增加.
- 人工智能驱动的分析为量化这些变化提供了一个强大的方法.
