相关实验视频
Updated: Jan 10, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.2K
使用视网膜图像进行非侵入性冠状动脉疾病检测:一项多模式研究
Xiaohui Li1, Xiaoyu Dong2, Leilei Chen2
1School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, Jiangsu, China.
JACC. Advances
|November 20, 2025
概括
使用视网膜图像的深度学习显示出检测冠状动脉疾病 (CAD) 的前景. 这种基于人工智能的方法提供了一种非侵入性的风险分层方法,有可能改善患者的治疗结果.
科学领域:
- 眼科和心脏病学 眼科和心脏病学
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 冠状动脉疾病 (CAD) 是一个主要的全球健康问题.
- 目前的CAD检测方法在安全性和适用性方面存在局限性.
- 对于CAD来说,急需安全的,非侵入性的诊断工具.
研究的目的:
- 开发用于使用视网膜图像进行CAD检测的深度学习框架.
- 创建冠状动脉疾病的视觉和多式检测系统.
- 探索视网膜血管在CAD诊断中的实用性.
主要方法:
- 一项多中心横截面研究涉及383名接受冠状动脉血管造影的患者.
- 开发了三种人工智能模型:视网膜图像CNN,临床指标MLP和多式联接模型.
- 利用交叉模式的注意力机制来整合视觉和临床数据.
主要成果:
- 仅视网膜图像模型的AUC为0.80,超过中等风险患者的临床评分.
- 综合视网膜图像和临床数据的多式模式显示出卓越的性能.
- 最好的多式联络模型实现了0.91的AUC,准确率为87.0%,灵敏度为92.1%.
结论:
- 视网膜图像和血管系统包含用于非侵入性CAD检测的宝贵信息.
- 视网膜成像为新的诊断工具提供了一个有希望的,安全的临床风险因素.
- 基于AI的 fundus成像可以帮助冠心病的风险分层.

