生物识别和多式成像数据的整合,以早期预测近视
Min Hu1,2, Yanfeng Jiang1, Zhiwei Luo3
1Aier Academy of Ophthalmology, Central South University, Changsha, China.
Scientific reports
|August 26, 2025
概括
通过将眼睛测量与OCT和CFP等先进成像技术相结合,可以预测近视的早期发病. 这种多模式方法提高了个性化近视治疗的预测准确性.
科学领域:
- 眼科 眼科
- 医学成像
- 计算生物学
背景情况:
- 眼睛近视是一个重要的全球健康问题,
- 准确预测近视的发生对于及时干预至关重要.
- 目前的预测方法可以从整合多种数据源中获益.
研究的目的:
- 开发一个预测近视发病的模型.
- 将生物识别数据与多式成像 (OCT和CFP) 整合起来.
- 通过数据融合提高近视发病预测的准确性.
主要方法:
- 使用了来自347名受试者 (年龄在6至14岁) 的472只眼睛的数据集.
- 使用深度学习从OCT和CFP图像中提取特征.
- 开发了一个集成图像特征,ETDRS网格值和生物识别数据的XGBoost模型.
主要成果:
- 综合多式模式的AUROC达到0.845±0.050.
- 球体等效是最重要的预测因素,其次是成像数据.
- 该模型有效地捕获了复杂的变量相互作用以进行预测.
结论:
- 整合多模式数据显著提高了近视发病预测的准确性.
- 这种方法支持个性化近视治疗策略的开发.
- 早期预测有助于及时介入,控制近视的进展.
