|
出品 | 搜狐健康 作者 | 李冬梅 编辑 | 袁月 “脑中风”大家常听说，但提到“眼中风”，或许很多人还很陌生。 “眼中风”的学名叫做视网膜血管阻塞，简单来说就是眼底的血管被堵住了，它包含常见的视网膜静脉阻塞（RVO）和比较少见的视网膜动脉阻塞（RAO）。 RVO是仅次于糖尿病性视网膜病变的第二位常见的视网膜血管疾病，被以为是招致视力丧失的重要缘由，严重可致盲。 四川大学华西医院、成都爱康国宾体检中心与北京鹰瞳科技展开股份有限公司（简称，“鹰瞳Airdoc”）近日分离发表的一项研讨中，研讨人员创新性地研发并考证了一种AI算法模型来分辨RVO患者和正常人的眼底照片，或将成为未来预测RVO和其他心脑血管疾病风险的有力工具。相关研讨成果在Nature子刊《Eye》发表。
模型性能优秀，未来可用于预测血管疾病 RVO普通发现就处于中晚期，常常就医时已是重症。眼底视网膜血管是全身独一肉眼可见的血管，视网膜血管变更一定水平上间接反映了身体其他部位血管的改动，经过视网膜图像预测RVO风险或发作的心血管事情具有重要意义。 研讨共搜集了 10549 幅眼底图像，其中包含2013张RVO患者对侧眼眼底图像和8536张正常眼底图像。固然 RVO 患者的对侧眼没有呈现 RVO 的临床表示，但视网膜可能曾经阅历了细微的结构和功用损伤。有证据表明，与普通人群相比，RVO 患者的对侧眼静脉阻塞的风险可能会增加。 该研讨中对静脉阻塞的诊断是基于视网膜的典型病症，包含明显的静脉扩张或迂回，大面积的视网膜出血，神经纤维层的梗塞构成的棉絮状斑块。两位视网膜专家对诊断中止了检查和确认。
基于卷积神经网络的RVO风险预测模型 研讨结果显现，该模型在内部考证集上的 AUC 为 0.9866，在外部考证数据集上的AUC 为 0.8102。也就是说，基于深度学习的RVO风险预测模型，在不同数据集中均表示良好。 研讨通讯作者是四川大学华西医院眼科主任张明教授，第一作者是该院眼科任湘博士。专家指出，人工智能已逐步应用于RVO的诊断与分级，研讨证明了这一精心设计的深度学习算法模型能够在未来，辅佐临床医生和其他专家更好地预测RVO和其他血管疾病。 AI捕获细节，提示RVO病理 “人工智能能够中止大量的计算，并捕获未知的和看似无关的因历来中止分类，这远远超出了人类的思想和才干。”研讨人员表示。 为了解释视网膜中哪一部分对深度学习类赋值贡献最大，研讨人员还生成了对应于不同卷积层的梯度类激活图（Grad-CAMs）。
CAM可视化下的眼底照片热图 经过比较不同组别之间的视网膜参数差别发现，两组锻炼数据集的视网膜动静脉比（AV ratio）、视杯与视盘比（CD ratio）和视盘倾斜角均有显著差别，RVO患者的数值均较大。CAM可视化技术进一步发现，该模型主要是经过血管的迂曲度以及视杯视盘的外形变更做出决策。
不同组别视网膜参数差别 研讨人员解释道，人工智能提供了一种更精确的措施来捕获视网膜特征的细节，这些细微的特征可能是风险要素招致的结果，并且提示了RVO的病理。 *Ren, X., Feng, W., Ran, R. et al. Artificial intelligence to distinguish retinal vein occlusion patients using color fundus photographs. Eye (2022). https://doi.org/10.1038/s41433-022-02239-4 |
名表回收网手机版
