视网膜敏感度与糖尿病黄斑的局部特征的相关性使用深度学习

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 糖尿病黄斑 (DME) 是糖尿病患者视力丧失的主要原因.
• 对DME局部视网膜敏感性 (RS) 的准确评估对于监测疾病进展和治疗疗效至关重要.
• 光学连贯断层扫描 (OCT) 提供了详细的结构信息,但将这些特征与RS等功能缺陷相关联需要进行高级分析.

研究的目的:

• 评估糖尿病黄斑 (DME) 的局部特征与点对点视网膜敏感性 (RS) 之间的关联.
• 利用基于深度学习 (DL) 的自动化量化在OCT扫描上用于评估DME特征.
• 为了将微观测量 (MP) 衍生的RS与基于OCT的内液 (IRF),圆形区域 (EZ) 厚度和硬排泄物 (HE) 的测量相关联.

主要方法:

• 一项涉及20名临床显著DME的20名受试者的20只眼睛的横截面研究.
• 通过使用DL算法分析了OCT扫描,用于IRF和EZ厚度量化;HE被半自动量化.
• 微波测量 (MP) 使用自定义的45个刺激网格进行,刺激与OCT位置共同注册.
• 使用多变量混合效应模型来评估DME特征与点式RS之间的关联.

主要成果:

• 对1800个MP刺激的分析显示,与未受影响区域相比,IRF地区的RS显著下降.
• IRF体积显示出与局部RS有显著的负相关性 (估计: -0.45 dB/nL; p=0.001).
• EZ厚度显示出与局部RS (0.14 dB/μm; p < 0.0001) 有显著的积极关联,而HE体积显示出负相关性 (-0.43/0.1 nL; p=0.027).

结论:

• 在OCT扫描中可视化的局部DME特异性特征显著影响点对点视网膜敏感性.
• 视网膜内液和硬液与视网膜敏感性降低有关.
• 圆形区域厚度与视网膜敏感性有积极的关联,这突出了其在DME.内功能评估中的重要性.