相关实验视频
Updated: Jul 6, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
基于视网膜图像的深度学习用于在冠状动脉疾病患者群体中检测轻度认知障碍
Yi Ye1, Wei Feng2,3, Yaodong Ding1
1Department of Cardiology, Center for Coronary Artery Disease, Beijing Anzhen Hospital, Capital Medical University, Beijing, China.
Heart (British Cardiac Society)
|May 16, 2025
概括
这项研究开发了一种AI算法,使用视网膜图像来选冠状动脉疾病 (CAD) 患者的轻度认知障碍 (MCI). 人工智能模型显示,它是一个有前途的非侵入性工具,可以在这个人群中早期检测MCI.
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:
- 冠状动脉疾病 (CAD) 与轻度认知障碍 (MCI) 的风险增加有关.
- 目前在CAD患者中对MCI的查方法不足.
- 在CAD患者中早期发现MCI对于及时干预和改善结果至关重要.
研究的目的:
- 开发和验证一个深度学习模型,利用视网膜底部图像来诊断患有CAD的人的MCI.
- 建立一种非侵入性和方便的查工具,用于在CAD患者群体中早期检测MCI.
主要方法:
- 一项横截面研究包括4357名患有CAD的患者,使用卷积神经网络架构分析 fundus 图像.
- 数据集被分为培训,内部测试和外部验证组.
- 轻度认知障碍 (MCI) 的诊断是基于迷你精神状态检查 (MMSE) 和蒙特利尔认知评估 (MoCA) 的得分.
主要成果:
- 人工智能算法在测试组中实现了基于MMSE的MCI检测的曲线下面面积 (AUC) 0.832,在验证组中达到0.776.
- 在测试组中,AI算法在基于MoCA的MCI检测中获得了0.764的AUC,在验证组中达到0.725.
- 这两种模型都表现出良好的校准和显著的临床应用价值.
结论:
- 使用 fundus 图像开发的 AI 算法在 CAD 患者群体中对 MCI 的查中显示出有效的性能.
- 这种基于人工智能的方法为冠状动脉疾病患者早期诊断MCI提供了有希望的非侵入性替代方案.
- 这些发现表明,在患有认知衰退风险的CAD患者中,可以改善早期干预和预后.
关键词:
冠状动脉疾病是一种冠状动脉疾病.
