DiFFA:一种以扩散为基础的模型,用于合成光体血管造影,以提高对糖尿病微血管并发症的检测
Jin Wei1, Yupeng Xu1, Tian Niu1
1Department of Ophthalmology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, National Clinical Research Center for Eye Diseases, Shanghai Key Laboratory of Ocular Fundus Diseases, Shanghai Engineering Center for Visual Science and Photomedicine, Shanghai Engineering Center for Precise Diagnosis and Treatment of Eye Diseases, Shanghai, China.
Translational vision science & technology
|February 18, 2026
概括
基于扩散的 fundus 光素血管学 (DiFFA) 从非侵入性 fundus 照片创建高质量的图像. 这种方法可以提高糖尿病并发症的诊断准确度,而无需进行侵入性手术.
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:
- 糖尿病微血管并发症需要通过 fundus 光素血管学 (FFA) 早期检测.
- 传统的FFA是侵入性的,限制了患者的遵守和可访问性.
- 开发非侵入性成像方法对于糖尿病管理至关重要.
研究的目的:
- 开发基于扩散的 fundus fluorescein angiography (DiFFA),一种非侵入性的方法,用于从彩色 fundus (CF) 照片中生成高质量的 FFA 图像.
- 为了解决侵入性FFA检查在检测糖尿病微血管并发症方面的局限性.
- 为了利用扩散模型用于合成FFA图像生成.
主要方法:
- 在4032张来自三家医院的CF和FFA图像上训练了DiFFA.
- 外部验证使用来自英国生物银行的2000 CF图像.
- 进行了客观的图像质量评估,眼科医生的主观真实性评估,诊断效率评估和糖尿病视网膜病变和病的自动分类准确性测试.
主要成果:
- 在DiFFA中,强有力的客观绩效指标 (MAE:109.25,PSNR:27.677,SSIM:0.694,FID:38.466) 得到了充分的证明.
- 眼科医生无法可靠地区分合成和真实的FFA图像 (AUC:0.52-0.57).
- 与单独CF相比,将合成FFA与CF图像相结合改善了糖尿病视网膜病变 (AUC:0.933) 和糖尿病病 (AUC:0.849) 的自动分类.
结论:
- DiFFA成功地从非侵入性CF照片中生成临床真实的FFA图像.
- 该方法提高了糖尿病微血管并发症的诊断准确度.
- DiFFA克服了传统FFA检查的侵入性限制.
