高度近视眼视网膜血管的形态学特征：使用迁移学习系统的人工智能分析的超广角图像

• • 目的：
    
    • 本研究旨在探讨不同严重程度的高度近视患者视网膜血管形态学特征
      
  • 方法：
    
    • 本研究纳入高度近视患者317只眼和健康对照者104只眼
      
    • 根据病理性近视（META-PM）分类的Meta分析将高度近视患者的严重程度分为C0-C4，并使用迁移学习方法（Transfer learning methods）和RU-net分析其在超广角成像中的血管形态特征。
      
    • 分析了眼轴长度（AL）、最佳矫正视力（BCVA）和年龄的相关性。
      
    • 此外，比较了近视脉络膜新生血管（mCNV）患者及其匹配的高度近视患者的血管形态特征。
      
  • 结果：
    
    • RU-net和迁移学习系统血管分割的准确率为98.24%，敏感性为71.42%，特异性为99.37%，精确度为73.68%，F1评分为72.29.
      
    • 与将抗对照组相比，高度近视组血管角度更小，分型维数更小，血管密度更小和更少血管分布。
      
    • 随着近视黄斑病变严重程度的增加，血管角、分型维数、血管密度和血管分支显著降低。
      
    • 这些特征与AL、BCVA和年龄有显著相关性。
      
    • 脉络膜新生血管患者往往具有更大的血管密度和更多的血管分支。
      
  • 结论：
    
    • 本研究采用的RU-net和迁移学习技术准确率为98.24%，在超广角图像血管形态特征的定量分析中具有良好的性能。
      
    • 随着近视性黄斑病变严重程度的增加和眼球的伸长，血管角、Df、血管密度和血管分支减少。
      
    • 近视CNV患者血管密度较大，血管分支较多。
      
  • 来源：
    
    • PMID:36874950
      
    • PMC:PMC9982751
      
    • DOI:10.3389/fmed.2022.956179