相关实验视频
Updated: Jul 1, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
在糖尿病视网膜病变中使用视网膜底图像识别性别特异性的AI辅助识别
Parsa Delavari1,2, Gulcenur Ozturan1, Eduardo V Navajas1
1Ophthalmology and Visual Sciences, UBC, Vancouver, British Columbia, Canada.
PloS one
|August 7, 2025
概括
糖尿病视网膜病变可能在男性和女性中呈现不同. 人工智能对视网膜图像的分析表明了不同的模式,可能表明视力威胁的并发症的性别特异性风险,如斑点或增殖性糖尿病视网膜病变.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是导致失明的主要原因.
- 目前的DR诊断和治疗通常不考虑性别.
- 了解DR的性别差异可以改善患者的治疗结果.
研究的目的:
- 调查糖尿病视网膜病变是否在男性和女性患者中表现不同.
- 利用人工智能 (AI) 来分析视网膜图像中的性别特异性模式.
主要方法:
- 来自糖尿病视网膜病变患者的2,967张 fundus 图像的数据集被策划并根据年龄,种族,DR严重程度和HbA1c进行匹配.
- 两个预先训练的VGG16卷积神经网络 (CNN) 模型被微调为性别分类.
- 使用可解释的人工智能技术 (指导级CAM) 来可视化CNN的重点领域.
主要成果:
- 对于性别分类,CNN模型获得了显著的AUC得分 (0.72和0.75).
- Saliency 地图显示了不同视网膜区域的焦点根据性别:女性的斑点,男性的光盘和外周血管.
- 这些模式与在健康眼睛上训练的CNN中观察到的不同.
结论:
- 糖尿病视网膜病变可能会表现出性别特异性的表现.
- 女性可能有更高的斑点风险,而男性可能有更高的增殖性糖尿病视网膜病变的风险.
- 需要进一步的研究来探索DR进展和管理中的这些基于性别的差异.
