相关实验视频
Updated: Jul 16, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
评估视网膜血管以预测缺血性中风中的白质超强度:一种深度学习方法
Yuanyuan Zhuo1, Weihao Gao2, Zile Wu3
1Department of Acupuncture and Moxibustion, Shenzhen Traditional Chinese Medicine Hospital, Shenzhen, China.
概括
这项研究开发了一个深度学习模型,使用视网膜图像来识别缺血性中风患者的白质超强度 (WMH). 该模型对非侵入性评估WMH负担充满希望,有助于中风患者管理.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 白质过强度 (WMH) 在缺血性中风患者中很常见,表明中风风险增加.
- 准确评估WMH负担对于中风管理和预后至关重要.
- 目前用于WMH评估的方法,如MRI,是资源密集的.
研究的目的:
- 调查使用视网膜血管模式的深度学习模型的有效性,以识别高负荷WMH的缺血性中风患者.
- 建立一种使用视网膜底图像估计WMH的非侵入性方法.
- 为了将视网膜成像发现与通过MRI确定的WMH严重程度相关联.
主要方法:
- 一项横截面研究包括263名缺血性中风住院患者,包括视网膜底部和MRI图像.
- 使用视网膜底图像开发了一个深度学习网络来估计WMH.
- 在MRI上诊断出WMH,并使用与年龄相关的白质变化 (ARWMC) 尺度 (等级<2或≥2) 进行分级.
主要成果:
- 研究队列 (平均年龄为60.8岁) 患中风风险因素的流行率很高.
- 严重的WMH (ARWMC等级≥2) 在52.9%的参与者中存在.
- 深度学习模型在ARWMC分类中使用双眼底图像获得了F1分数0.811和宏精度0.811,用于ARWMC分类.
结论:
- 一个新的深度学习模型有效地检测高WMH负担在缺血性中风患者使用双眼底图像.
- 初步发现表明,特定的视网膜图像区域对WMH具有预测意义.
- 需要进一步研究更大的数据集和前性验证来完善模型.
