自动测量和对 fundus tessellation 和近视的光盘特征的相关性分析
Zhen Guo1,2,3, Lingzhi Chen4, LiLong Wang4
1Eye Institute of Shandong First Medical University, Qingdao Eye Hospital of Shandong First Medical University, 5 Yanerdao Road, Qingdao, 266071, China.
Scientific reports
|November 17, 2024
概括
深度学习模型准确地量化了年轻近视患者的 fundus tessellated 密度和光盘形态. 这些特征与近视严重程度和折射误差有很强的相关性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 近视是一种日益严重的公共卫生问题,特别是在年轻人群中.
- 了解 fundus 的特征,如 fundus tessellation (FT) 和光盘 (OD) 形态,对于近视管理至关重要.
- 目前用于量化这些特征的方法可能是耗时和主观的.
研究的目的:
- 开发和验证深度学习 (DL) 模型,以量化年轻近视患者的FT密度和OD形态.
- 调查这些底部特征和折射功能的相关性.
- 为了确定不同程度的近视严重程度之间的底部特征的差异.
主要方法:
- 开发了两种基于DL的细分模型,以在像素级分辨率下划分FT,OD,周毛囊缩 (PPA) 和斑点.
- 在高近视和轻度/中度近视组之间量化了 fundus 特性并进行了比较.
- 在底部测量和眼睛参数之间进行了统计相关性分析,包括球形相当,轴长,角膜曲率,透镜厚度和叶厚度.
主要成果:
- DL算法成功实现了FT和OD特征的自动量化.
- 在球体等效,轴长和所有 fundus 测量之间发现了显著的相关性 (p < 0.001).
- 角膜曲率,透镜厚度和叶厚度也与特定的 fundus 测量有显著的相关性 (p < 0.01).
结论:
- DL提供了一种可行的方法,用于在年轻近视患者中自动量化FT和OD特征.
- FT和OD特征与近视严重程度有显著的相关性,特别是从轻度/中度到高近视的进展.
- 这些 fundus 特性显示出与近视患者的各种折射功能参数的实质关系.
