两种青光眼滤过性手术术后黄斑中心凹厚度的变化

目的探讨粘小管切开术与穿透性小梁切除术后黄斑中心凹厚度变化及其临床意义。方法前瞻性观察38例青光眼患者,其中17例(24只眼)进行粘小管切开术(A组)和21例(24只眼)进行穿透性小梁切除术(B组)。采用光学相干断层扫描(OCT3)测量其黄斑中心凹厚度。结果A组术后3d、1周、1个月眼压与术前比较均显著下降(P<0.01);术后3d、1周黄斑中心凹与术前比较厚度增加(P<0.01)。B组术后3d、1周、1个月眼压与术前比较均显著下降(P<0.01);术后3d、1周、1个月黄斑中心凹与术前比较厚度均增加(P<0.01)。结论粘小管切开术和穿透性小梁切除术均可有效控制眼压。粘小管切开术后短期的低眼压未造成黄斑视网膜厚度不可逆的改变,手术创伤较小,安全性高。

无巩膜缝线小梁切除术治疗青光眼的临床研究

目的:探讨无巩膜缝线小梁切除术治疗青光眼的临床效果。方法:选取2007-12/2010-06于我院治疗的各型青光眼45例57眼,随机分为两组,观察组24例29眼采用无巩膜缝线小梁切除术(联合滤过道及结膜下注入适量HealonGV),对照组21例28眼并与同期行常规小梁切除术。观察两组术后眼压、前房、滤过泡及并发症情况。结果:术后随访3～30mo,观察组眼压控制率和功能性滤过泡形成率均高于对照组(P<0.05),并发症发生率低于对照组(P<0.05)。结论:无巩膜缝线小梁切除术(联合滤过道及结膜下注入适量Healon GV)是治疗青光眼的一种有效方法。

微创小梁切除术联合微创晶状体超声乳化吸出术治疗新生血管性青光眼

目的方法结果结论探讨微创小梁切除术联合微创晶状体超声乳化吸出术治疗新生血管性青光眼的临床效果。2007年12月至2009年1月于我院住院治疗的新生血管性青光眼16例16眼,手术方法为先通过两个0.7毫米的透明角膜穿刺口完成微创晶状体超声乳化吸出术,再于上方结膜切口下切除2m中层角巩膜条带,周边虹膜切除及前房成形后球结膜连续缝合。观察记录手术前后眼压、前房、视力变化及滤过泡情况。随访时间6-12个月,术眼手术后眼压均低于21mmHg,滤过泡形成良好,虹膜新生血管大多消褪,全部眼球得以保留,其中11例视力保持不变,5例不同程度提高。微创小梁切除术联合微创晶状体超声乳化吸出术是治疗新生血管性青光眼的一种有效方法mm×2.5m。

微创超声乳化透明晶状体摘除术治疗高度近视

目的探讨微创超声乳化透明晶状体摘除术治疗高度近视的有效性和安全性。方法本组病例包括24例高度近视患者共32眼。在完成前囊膜的连续环形撕囊后,透明晶状体应用微创超声乳化技术通过两个相距90度的0.7毫米透明角膜切口分别插入一个22G超声探头和一个22G灌注chopper进行摘除,然后再行植入低度数或负度数人工晶状体入囊袋内。研究参数包括手术前后的裸眼及矫正视力和术中术后并发症等。随访时间为12月。结果所有病例术后裸眼视力较术前裸眼视力均有明显提高;同时术后矫正视力较术前矫正提高者共28眼,占87.5%.术后6月,1例发生后发障,予以激光后囊切开,在12个月的随访过程中未发现有后囊膜破裂、视网膜脱离及黄斑囊样水肿等术中及术后并发症的发生。术后角膜内皮细胞丢失率仅为2.2%。结论微创超声乳化是治疗高度近视的一种安全有效的方法;但长期的术后随访工作仍需要继续,以便进一步全面了解远期并发症的发生情况。

基于FA-Net的视网膜眼底图像质量评估

目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方法,使用ImageNet的权重初始化网络。注意力网络采用前景提取的方法,提取血管和疑似病灶点等感兴趣区域,并赋予感兴趣区域更高的权重来加强对感兴趣区域的学习。结果在训练FA-Net时,使用了2894张眼底图像。FA-Net在包含2170张眼底图像的测试集上,分类准确率达97.65%,其敏感度和特异性分别为0.978和0.960,曲线下面积(AUC)为0.995。结论FA-Net对比于其他CNN具有更优越的分类性能,能够更准确、高效地评估视网膜眼底图像质量。该网络考虑了人类视觉系统(HVS)和人类注意力机制,通过在VGG-19网络结构中加入注意力模块,在获得更好分类性能的同时也使分类结果更具有可解释性。

苦参碱对体外人Tenon囊成纤维细胞的增生抑制及凋亡促进作用

目的研究苦参碱对体外培养人Tenon囊成纤维细胞(HTFs)增生和凋亡过程的影响。方法复苏冻存的HTFs后进行培养、传代,取第3~4代细胞进行实验。用终质量浓度梯度为0、0.3、0.6、0.9 g/L苦参碱作用于体外培养的HTFs 24~72 h,采用细胞计数试剂盒8(CCK-8)法检测HTFs增生情况;采用流式细胞术检测HTFs的凋亡情况;采用Western blot法、实时荧光定量PCR法检测凋亡相关转录因子caspase-3的表达情况。结果在梯度质量浓度苦参碱的作用下,HTFs的增生被抑制,且随时间的延长和质量浓度的增加,抑制效果更明显,差异均有统计学意义(F浓度=1 019.51,P=0.00;F时间=5 848.66,P=0.00;F交互作用=147.45,P=0.00)。0、0.3、0.6和0.9 g/L苦参碱作用后,HTFs的早期凋亡率分别为(2.68±0.30)%、(5.08±0.47)%、(6.97±0.69)%和(10.30±1.20)%,caspase-3蛋白表达的灰度值分别为1.00±0.13、1.90±0.19、2.50±0.30和2.67±0.30,caspase-3 mRNA的相对表达量分别为0.98±0.12、2.01±0.34、6.15±0.60和11.40±1.12,总体比较差异均有统计学意义(F=55.74、66.01、154.50,均P<0.01),随着苦参碱质量浓度的升高,HTFs的早期凋亡率明显升高,caspase-3蛋白、caspase-3 mRNA的相对表达量明显升高,各质量浓度组间两两比较差异均有统计学意义(均P<0.05)。结论苦参碱可抑制体外培养HTFs的增生,并呈剂量及时间依赖性;苦参碱可促进HTFs凋亡。

基于ResNet50-OC模型的彩色眼底照片质量多分类方法效果评估

目的对基于深度学习的ResNet50-OC模型彩色眼底照片质量多分类的效果进行评估。方法纳入2018年7月在南京医科大学附属明基医院收集的彩色眼底照片PD数据集及EyePACS数据集,临床医师根据眼底图像的成像质量将其大致分为质量较好、曝光不足、曝光过度、边缘模糊和镜头反光5类。在训练集中,每个类别包含1000张图像,其中800张选自EyePACS数据集,200张选自PD数据集;在测试集中,每个类别包含500张图像,其中400张选自EyePACS数据集,100张选自PD数据集。训练集总计5000张图像,测试集总计2500张图像。对图像进行归一化处理和数据扩增。采用迁移学习方法初始化网络模型的参数,在此基础上对比当前深度学习主流分类网络VGG、Inception-resnet-v2、ResNet和DenseNet,选取准确率和Micro F1值最优的网络ResNet50作为分类模型的主网络。在ResNet50训练过程中引入One-Cycle策略加快模型收敛速度,得到最优模型ResNet50-OC并将其应用于眼底照片质量多分类,评估ResNet50与ResNet50-OC对眼底照片进行多分类的准确率和Micro F1值。结果ResNet50对彩色眼底照片质量多分类准确率和Micro F1值明显高于VGG、Inception-resnet-v2、ResNet34和DenseNet。ResNet50-OC模型训练15轮对眼底图像质量多分类准确率为98.77%,高于ResNet50训练50轮的98.76%;ResNet50-OC模型训练15轮对眼底图像质量多分类的Micro F1值为98.78%,与ResNet50训练50轮的Micro F1值相同。结论ResNet50-OC模型可以准确、有效地对彩色眼底照片质量进行多分类,One-Cycle策略可减少训练次数,提高分类效率。

链脲佐菌素诱导糖尿病性大鼠白内障的氧化应激-细胞凋亡机制及葛根素的改善作用

目的:本文分析氧化应激及细胞凋亡机制在链脲佐菌素(Streptozotocin,STZ)诱导的糖尿病大鼠白内障发病中的参与机制及葛根素的改善作用,为相关研究与临床治疗提供借鉴。方法:SD大鼠随机分为四组:对照组、糖尿病模型组、葛根素干预组及乙酰香草素组。腹腔注射STZ(65mg/kg)复制糖尿病大鼠模型,Western Blotting分析各组晶状体组织中氧化应激及细胞凋亡相关蛋白表达的变化。结果:糖尿病大鼠模型复制成功,且大鼠晶状体组织中氧化应激蛋白分子p22、p47及p67表达上调(P<0.05),细胞凋亡蛋白Bax及Caspase 3表达上调,Bcl2表达下调(P<0.05)。乙酰香草素和葛根素对上述异常具有显著的改善作用(P<0.05)。结论:NADPH氧化酶介导的氧化应激及P53和Bax/Bcl2介导的细胞凋亡信号通路参与了糖尿病大鼠白内障的发病过程,且葛根素通过抑制上述氧化应激通路起到改善作用。

高度近视患者双手超声乳化后视网膜神经纤维层和节细胞复合体厚度的变化

目的探讨双手超声乳化手术对高度近视合并白内障患者视网膜神经纤维层(retinal nerve fiber layer,RNFL)和视网膜神经节细胞复合体(ganglion cell compound,GCC)厚度的影响。方法选取30例(46眼)行双手超声乳化手术的高度近视患者。于术前及术后1周、1月应用OCT检测视盘旁RNFL和GCC厚度,扫描模式为视盘ONH及GCC程序。比较术后1周、1月RNFL和GCC厚度与术前的差异。结果术后1周视盘旁3.45mm直径范围内RNFL厚度为(89.7±17.0)μm,与术前(86.5±13.3)μm相比较术前轻度变厚,差异有统计学意义(P=0.015);术后1月RNFL厚度为(86.7±14.3)μm,与术前比较,差异无统计学意义(P=0.780)。术后1周GCC平均厚度为(95.4±12.4)μm,与术前(91.3±11.1)μm比较较术前轻度变厚,差异有统计学意义(P=0.004);术后1月GCC平均厚度为(90.8±10.9)μm,与术前比较,差异无统计学意义(P=0.176)。结论在高度近视的白内障患者中双手超声乳化术对患者的眼底视网膜影响较小且可逆,是一种安全的手术方式,但远期影响仍需进一步观察。

基于深度学习的眼底图像视盘定位与分割方法

目的观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络(CNN)。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片,通过深度CNN判别各个小块图片是否包含完整视盘结构,从而找到视盘所在区域。为避免血管对视盘分割产生影响,在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络,实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率=T/N,T代表视盘定位正确的眼底图像数量,N代表总共用于定位的眼底图像数量。采用重叠误差(overlap error)比较视盘分割结果与实际视盘边界的误差大小。结果基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%;视盘分割平均重叠误差为7.1%;对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049;每幅图像的视盘分割平均花费10 ms。结论基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域,同时也能够较为精准地分割出视盘边界。