以人工智能为基础的视网膜血管形态的定量评估,在封闭的冠状动脉瘤
Zhen-Yu Liu1, Hai-Long He2, Xuan-Yu Chen1
1Beijing Institute of Ophthalmology, Beijing Tongren Eye Center, Beijing Tongren Hospital, Capital Medical University, Beijing, 100730, China.
Ophthalmology and therapy
|October 22, 2025
概括
深度学习人工智能分析揭示了有限制的胸腔血管瘤 (CCH) 患者的视网膜血管显著变化. 这些血管密度,口径和碎形尺寸的变化因病变位置而异,为CCH监测提供了潜在的生物标志物.
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:
- 环形冠状动脉瘤 (CCH) 是一种罕见的冠状动脉瘤.
- 对CCH视网膜血管形态的定量分析对于了解疾病进展至关重要.
- 基于深度学习的人工智能 (AI) 为详细的血管分析提供了新的工具.
研究的目的:
- 在CCH患者中应用AI系统对视网膜血管形态的定量分析.
- 根据CCH病变位置调查血管形态的差异.
- 为了确定潜在的成像生物标志物用于CCH评估.
主要方法:
- 45个CCH眼睛和45个相反的健康眼睛的回顾性病例对照研究.
- 人工智能软件用于对视网膜血管参数进行定量分析:密度,口径,扭曲度和碎形尺寸.
- 统计分析包括组间比较,逻辑回归和基于光盘损伤距离的子组分析.
主要成果:
- 与对照人群相比,CCH眼睛在眼附近的血管密度显著降低.
- 在CCH眼中观察到,静脉口径增加和动脉与静脉比率 (AVR) 降低.
- 显著的发现是动脉小关节和静脉小关节的扭曲度和碎形尺寸的减少.
- 船舶口径,AVR,扭曲度和碎形尺寸被证实是与CCH相关的重要参数.
- 视觉盘附近的病变与较低的动脉小管口径和AVR相关.
结论:
- 视网膜血管形态在CCH中显著改变,变化受损伤位置的影响.
- 关键的定量参数,如血管密度,静脉口径,AVR和碎形维度,显示出作为成像生物标志物的前景.
- 人工智能驱动的分析为评估和监测CCH相关的视网膜变化提供了宝贵的见解.
