使用视网膜出血的自动和手动量化预测进展到多发性糖尿病视网膜病变的预测
Aditya Verma1,2, Muneeswar G Nittala1, Roxan Mansoori Dara1,3
1Doheny Eye Institute, Pasadena, CA, USA.
Eye (London, England)
|January 16, 2026
概括
糖尿病视网膜病变 (DR) 中视网膜出血的自动检测可以预测进展到增殖性DR (PDR). 虽然自动化方法比手动分类量化病变的数量更少,但结果是相关的,并且仍然具有预测性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是导致视力丧失的首要原因,进展到多发性DR (PDR) 具有显著的风险.
- 准确量化视网膜出血对于评估DR严重程度和预测进展至关重要.
- 自动图像分析提供了对视网膜损伤的有效和客观评估的潜力.
研究的目的:
- 为了比较视网膜出血在眼睛与糖尿病视网膜病变 (DR) 的自动和手动量化.
- 通过自动化和手动方法分析发展为增殖性糖尿病视网膜病变 (PDR) 的风险.
- 评估自动检测作为预测DR进展的手动分级的潜在替代品.
主要方法:
- 非增殖性糖尿病视网膜病变 (NPDR) 眼睛的视网膜出血是手动从超广场 (UWF) 伪色图像进行细分的.
- 使用EyeRead UWF软件 (Eyenuk) 进行了出血的自动细分.
- 手动和自动量化的比较 (频率,面积,距离视神经的距离) 和与一年内PDR进展的相关性.
主要成果:
- 分析了63只患有NPDR的眼睛;29只在一年内发展为PDR.
- 自动测量明显低于手动分级,但显示出强烈的相关性 (r=0.5-0.96,P < 0.001).
- 从视神经出血的距离,通过这两种方法确定,是PDR.进展的重要预测指标.
结论:
- 视网膜出血的自动检测显示为预测PDR进展的手动分级的替代品.
- 尽管损伤数量较低,但自动参数与手动发现相关,并保持DR进展的预测值.
- 从视神经出血的距离是PDR风险的一个关键指标,通过自动和手动评估验证.
