使用人工智能对有折射误差的学龄儿童视网膜血管参数变化的定量分析
Linlin Liu1, Lijie Zhong2, Linggeng Zeng2
1The Department of Ophthalmology of the First Affiliated Hospital, Gannan Medical University, Ganzhou, Jiangxi, China.
Frontiers in medicine
|January 15, 2025
概括
儿童高近视与视网膜血管密度和动脉静脉比率 (AVR) 的降低有关. 这些血管变化可能是近视进展的早期指标,有助于早期检测和干预.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 折射错误,特别是近视,在学龄儿童中很普遍.
- 视网膜血管变化与各种眼部疾病有关.
- 人工智能技术为视网膜血管系统的定量分析提供了新的方法.
研究的目的:
- 量化分析球体等效折射 (SER) 与儿童视网膜血管变化之间的关系.
- 用 fundus 摄影和 AI 探索视网膜血管结构的结构变化.
- 为了确定近视进展的潜在早期预测因素.
主要方法:
- 对113名学龄儿童 (6-12岁) 的226只眼睛进行了回顾性病例控制研究.
- 根据SER. 进行分类,分为低,中等,高近视和对照组.
- 使用人工智能驱动的 fundus 摄影对视网膜动脉静脉比率 (AVR) 和血管密度进行定量分析.
主要成果:
- 与其他组相比,高近视组显示AVR和血管密度在统计学上显著下降.
- 在SER和眼睛轴长度 (r=-0.874,p<0.001) 之间发现了强烈的负相关性.
- 在SER和血管密度 (r=0.527,p<0.001) 之间存在中度正相关;在眼轴和血管密度 (r=-0.452,p<0.001) 之间存在中度负相关.
结论:
- 高近视的学童表现出视网膜血管密度降低和AVR.
- AVR和血管密度可以作为近视进展的早期预测标志物.
- 人工智能辅助的 fundus 摄影是评估儿科近视症视网膜血管健康的一个有价值的工具.
