来自印ocyanine绿色血管造影的冠状血管指纹揭示了冠状血管疾病状态

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 印ocyanine绿色血管造影 (ICGA) 对于可视化胸腔血管系统至关重要.
• 了解胆管血管模式是诊断和管理胆管关节疾病的关键.
• 目前分析ICGA图像的方法可能是劳动密集型和主观的.

研究的目的:

• 开发一个注释效率高的深度学习算法,从ICGA图像中提取胆道血管系统的多维特征.
• 为了改进模型培训,利用一个人-在-循环 (HITL) 策略.
• 探索这些血管特征与胆管关节疾病之间的关系.

主要方法:

• 在使用HITL策略的55° ICGA和超广场ICGA (UWF-ICGA) 图像的多源数据集上训练了一个深度学习细分模型.
• 创建了状血管指纹,量化了直径,密度,复杂性,扭曲度和分支角度.
• 这项研究分析了243只患有中央血清性胆色素变异症 (CSC),多性胆色血管变异症 (PCV) 或病态近视 (PM) 的眼睛和151个正常对照.

主要成果:

• 分段模型实现了高精度 (AUC为55°ICGA的0.975,UWF-ICGA的0.937).
• 许多多维血管测量与CSC (26),PCV (28) 和PM (29) (P <0.05) 有意义地相关.
• 在74个胸腔血管测量 (ICC 0.710.97) 中,证实了高可靠性.

结论:

• 这项研究使用深度学习方法成功开发和验证了胆道血管指纹.
• 这些指纹显示出与常见的关节疾病有显著的关联.
• 这些发现为疾病诊断提供了一个新的工具,并为了解潜在的病理机制铺平了道路.