通过机器学习识别的恢复光神经炎中神经元和视野损失的斑点模式

科学领域:

• 眼科医生 眼科 眼科
• 神经科学是一个神经科学.
• 医疗成像医学成像

背景情况:

• 视神经炎 (ON) 可能导致视野 (VF) 缺陷和视网膜神经纤维层损伤.
• 了解ON后的残留变化对于管理长期视觉功能至关重要.

研究的目的:

• 用机器学习研究恢复光神经炎的残余视野缺陷和黄斑视网膜质细胞 (RGC) 厚度损失的模式.
• 为了将视野图案与光学连贯性断层扫描 (OCT) 发现与眼睛的相关联.

主要方法:

• 原型分析 (AA) 应用于视野 (VF) 和OCT斑点图像,来自93只ON眼睛和70只正常眼睛.
• 研究了VF的原型重量和视网膜厚度测量 (视网膜总厚度,视网膜内厚度,质细胞内状层) 之间的相关性.

主要成果:

• 大多数ON眼睛表现出正常的视野模式,尽管质细胞内状层 (GCIPL) 显著变薄.
• 原型分析确定了视野和视网膜厚度的独特模式,其中正常的VF原型占主导地位.
• 在正常VF原型体重和各种OCT衍生的视网膜厚度原型之间发现了显著的相关性.

结论:

• 完整的视野恢复在视神经炎后很常见,即使有持续的视网膜内部稀释.
• 补偿机制可能在维持视觉功能中发挥作用,尽管ON眼睛的结构损伤.