基于人工智能自动分析技术的视网膜血管形态参数测量及特征分析

目的基于人工智能技术对视网膜血管形态学参数进行全自动定量测量,分析我国北方50岁以上人群视网膜血管参数及分布特征。方法采用横断面研究方法,纳入2011年1月至2021年12月就诊于北京同仁医院的50岁以上无眼底病的患者1842例,对纳入的受试者进行标准化问卷调查、抽血和眼科检查;收集各受试者任意一眼以视盘为中心的彩色眼底照片,采用基于深度学习的语义分割网络ResNet101-Unet构建血管分割模型,进行全自动视网膜血管参数定量测量,主要测量指标包括视网膜血管分支夹角、血管分形维数、血管平均管径和血管平均弯曲度。比较不同性别间各视网膜参数的差异。采用多元线性回归分析法分析最佳矫正视力、眼压、眼轴长度等眼部因素和性别、年龄、高血压、糖尿病、心血管疾病等全身因素是否是各视网膜血管参数的影响因素。结果模型对于血管分割和视盘分割的准确度均高于0.95。1842例受试者血管分支夹角为(51.023±11.623)°;血管分形维数为1.573(1.542,1.592);血管平均管径为64.124(60.814,69.053)μm;血管平均弯曲度为(0.001062±0.000165)°。男性血管分支夹角大于女性,血管平均管径和血管平均弯曲度小于女性,差异均有统计学意义(均P<0.05)。全身因素多元线性回归分析结果显示,患有心血管疾病的人群较无心血管疾病的人群血管平均管径增大1.142μm(B=1.142,P=0.029,95%CI:0.116~2.167);血管平均弯曲度与高血压(B=3.053×10^(-5),P=0.002,95%CI:1.167×10^(-5)~4.934×10^(-5))和饮酒量(B=1.036×10^(-5),P=0.014,95%CI:0.211×10^(-5)~1.860×10^(-5))呈正相关,与高脂血症呈负相关(B=-2.422×10^(-5),P=0.015,95%CI:-4.382×10^(-5)~-0.462×10^(-5))。眼部因素多元线性回归分析结果显示,眼轴长度每增加1 mm,血管分形维数减小0.004(B=-0.004,P<0.001,95%CI:-0.006~-0.002),血管平均管径减小0.266μm(B=-0.266,P=0.037,95%CI:-0.516~-0.016),血管平均弯曲度减小-2.45×10^(-5)°(B=-2.45×10^(-5),P<0.001,95%CI:-0.313×10^(-5)~-0.177×10^(-5))。BCVA每增加1.0,血管分支夹角增大3.992°(B=3.992,P=0.004,95%CI:1.283~6.702),血管分形维数增大0.090(B=0.090,P<0.001,95%CI:0.078~0.102),血管平均管径减小14.813μm(B=-14.813,P<0.001,95%CI:-16.474~-13.153)。结论成功构建视网膜血管分割模型。视网膜血管参数与性别、年龄、系统性疾病和眼部因素存在关联。

视网膜血管形态特征参数与缺血性脑卒中的相关性分析

目的观察缺血性脑卒中患者视网膜血管形态特征,初步分析视网膜血管形态特征参数与缺血性脑卒中的相关性。方法回顾性临床研究。2015年5月至2017年5月于首都医科大学附属北京友谊医院神经内科检查确诊的缺血性脑卒中患者73例(缺血性脑卒中组)纳入研究。选取同期就诊并经头颅CT和(或)核磁共振成像检查排除急性脑卒中的卒中患者146例作为对照组。采用免散瞳眼底照相机采集患者眼底图像;人工智能眼底图像分析系统进行视网膜血管参数测量,包括视网膜动脉管径、视网膜静脉管径、血管弯曲度、血管分支夹角、血管分形维数和血管密度。对比观察两组患者视网膜血管形态特征。采用二元logistic回归分析视网膜血管参数与缺血性脑卒中的相关性。结果与对照组比较,缺血性脑卒中组患者视网膜动脉管径更细,视网膜血管分形维数、视网膜血管密度更小,差异均有统计学意义(t=3.232、3.502、3.280,P<0.05)。相关性分析结果显示,视网膜血管分形维数[比值比(OR)=0.291,95%可信区间(CI)0.160~0.528]、视网膜动脉管径(OR=0.924,95%CI 0.870~0.981)与缺血性脑卒中密切相关(P<0.01)。结论与对照组比较,缺血性脑卒中组患者视网膜动脉管径更细,视网膜血管分形维数、视网膜血管密度更小;减小的视网膜动脉管径和血管分形维数与缺血性脑卒中相关。

70岁以上冠心病患者基于人工智能的视网膜血管形态参数研究

目的运用人工智能自动分析技术初步分析视网膜血管形态特征参数与70岁以上冠心病的相关性。设计横断面研究。研究对象选取2023年1月至2024年1月在北京交通大学医院进行慢病管理的70岁以上冠心病患者471例作为观察组,同期签约建档并排除冠心病的426例年龄、性别匹配的个体作为对照组。方法收集两组人群的一般资料、空腹血糖(FBG)、低密度脂蛋白胆固醇(LDL-C)化验结果及右眼免散瞳彩色眼底像。使用人工智能自动分析技术测量多维视网膜血管形态参数,观察两组之间差异;采用二元Logistic回归分析视网膜血管形态参数与冠心病的相关性。主要指标视网膜动脉平均管径、视网膜静脉平均管径、视网膜动脉平均弯曲度、视网膜静脉平均弯曲度、血管平均分支夹角,血管分形维数、血管密度。结果与对照组比较,观察组吸烟比例较高、身体质量指数(BMI)更高、空腹血糖及LDL-C更高,差异均有统计学意义(P均<0.05)。高血压患者比例、糖尿病患者比例、饮酒比例在两组之间无显著性差异。与对照组相比,观察组患者视网膜动脉平均管径更细(t=29.922,P<0.001),视网膜动脉平均弯曲度更大(t=-2.174,P=0.03),血管分形维数更低(t=2.282,P=0.023)以及血管密度更低(t=4.057,P<0.001)。二元Logistic回归分析结果显示,校正混杂因素后,视网膜动脉平均管径与冠心病独立相关(B=-0.721,P<0.001)。结论70岁以上冠心病患者的视网膜动脉平均管径更细,且与冠心病独立相关。