Application of Higher Order Spectra for the Identification of Diabetes Retinopathy Stages

Diabetic retinopathy (DR) is a condition where the retina is damaged due to fluid leaking from the blood vessels into the retina. In extreme cases, the patient will become blind. Therefore, early detection of diabetic retinopathy is crucial to prevent blindness. Various image processing techniques have been used to identify the different stages of diabetes retinopathy. The application of non-linear features of the higher-order spectra (HOS) was found to be efficient as it is more suitable for the detection of shapes. The aim of this work is to automatically identify the normal, mild DR, moderate DR, severe DR and prolific DR. The parameters are extracted from the raw images using the HOS techniques and fed to the support vector machine (SVM) classifier. This paper presents classification of five kinds of eye classes using SVM classifier. Our protocol uses, 300 subjects consisting of five different kinds of eye disease conditions. We demonstrate a sensitivity of 82% for the classifier with the specificity of 88%.     

Automated Identification of Diabetic Retinopathy Stages Using Digital Fundus Images

Diabetic retinopathy (DR) is caused by damage to the small blood vessels of the retina in the posterior part of the eye of the diabetic patient. The main stages of diabetic retinopathy are non-proliferate diabetes retinopathy (NPDR) and proliferate diabetes retinopathy (PDR). The retinal fundus photographs are widely used in the diagnosis and treatment of various eye diseases in clinics. It is also one of the main resources for mass screening of diabetic retinopathy. In this work, we have proposed a computer-based approach for the detection of diabetic retinopathy stage using fundus images. Image preprocessing, morphological processing techniques and texture analysis methods are applied on the fundus images to detect the features such as area of hard exudates, area of the blood vessels and the contrast. Our protocol uses total of 140 subjects consisting of two stages of DR and normal. Our extracted features are statistically significant (p < 0.0001) with distinct mean ± SD as shown in Table 1. These features are then used as an input to the artificial neural network (ANN) for an automatic classification. The detection results are validated by comparing it with expert ophthalmologists. We demonstrated a classification accuracy of 93%, sensitivity of 90% and specificity of 100%.     

A Decision Support System for Automatic Screening of Non-proliferative Diabetic Retinopathy

The increasing number of diabetic retinopathy (DR) cases world wide demands the development of an automated decision support system for quick and cost-effective screening of DR. We present an automatic screening system for detecting the early stage of DR, which is known as non-proliferative diabetic retinopathy (NPDR). The proposed system involves processing of fundus images for extraction of abnormal signs, such as hard exudates, cotton wool spots, and large plaque of hard exudates. A rule based classifier is used for classifying the DR into two classes, namely, normal and abnormal. The abnormal NPDR is further classified into three levels, namely, mild, moderate, and severe. To evaluate the performance of the proposed decision support framework, the algorithms have been tested on the images of STARE database. The results obtained from this study show that the proposed system can detect the bright lesions with an average accuracy of about 97%. The study further shows promising results in classifying the bright lesions correctly according to NPDR severity levels.     

2型糖尿病患者胱抑素C及高敏C反应蛋白与视网膜病变的相关性

目的 分析2型糖尿病视网膜病变(DR)的特点,探讨2型糖尿病患者血清胱抑素C(Cys-C)和高敏C反应蛋白(hs-CRP)的水平与DR的相关性。方法 选择325例2型糖尿病患者进行眼底检查或眼底荧光造影,根据2002年国际分级标准将其分为5期,即无明显视网膜病变(1期),轻度非增殖性糖尿病视网膜病变(2期),中度非增殖性糖尿病视网膜病变(3期),重度非增殖性糖尿病视网膜病变(4期),增殖性糖尿病视网膜病变(5期)。记录病程,检测糖化血红蛋白(HbA1c)、hs-CRP、Cys-C、24h尿白蛋白定量(24h-UAE),分析DR各组的特点及相关因素。结果 在纳入的病例中,DR的总患病率为47 %;与1期相比, 2、3、4、5各期的病程、HbA1c、hs-CRP、Cys-C、24h-UAE均显著升高(P<0.05),且依次性升高(P均<0.05);多元回归分析显示,Cys-C、hs CRP分别是DR患病率及其严重程度的独立危险因素,分别与2型糖尿病患者的患病病程、HbA1c、24h-UAE呈正相关。结论 DR及其病情严重程度与Cys-C、hs-CRP密切相关,Cys-C 、hs-CRP有可能成为预测DR发生发展的生物学指标。     

基于计算机视觉的糖尿病视网膜病变自动筛查系统

目的 本研究旨在利用计算机视觉相关技术自动识别眼底影像中糖尿病视网膜病变(diabetic retinopathy,DR,以下简称糖网)的病变特征,开发能够用于DR筛查的计算机自动筛查系统。方法 利用数学形态学和支撑向量机(support vector machine,SVM)分类技术设计出检测DR包括出血、渗出、微血管瘤等各类病变的算法,再根据DR的临床诊断标准,对眼底影像进行自动分级诊断,实现自动筛查。结果 利用建立完成的糖网自动筛查系统对国际Messidor数据库进行了筛查判断,以经过专家认证的诊断结果作为判定标准。在总共1 200张眼底图中,系统的判定灵敏度(sensitivity)为93.8%,特异度(specificity)为94.5%,检测时间为9.83 s。结论 基于计算机视觉算法开发的糖网自动筛查系统能准确、高效的完成眼科影像的糖网筛查工作,能大幅减少阅片医生的工作量和人为的主观性,具有很好的临床应用前景和社会效益。     

2型糖尿病视网膜病变的相关因素分析

目的探讨2型糖尿病患者糖尿病视网膜病变(DR)的相关危险因素。方法测定225例2型糖尿病患者糖化血红蛋白(HbA1c)、血糖、血压、血脂、尿微量白蛋白(UAER)等各项生化指标并检测眼底,根据眼底病变程度将患者分为糖尿病无视网膜病变组(NDR)、背景期视网膜病变组(NPDR)及增殖期视网膜病变组(PDR),比较各组糖尿病病程、HbA1c、血糖、血压、血脂及UAER与DR的关系。结果NDR组150例(66.7%),NPDR组63例(28.0%),PDR组12例(5.3%);单因素分析显示年龄、病程、UAER、SBP和DBP在3组中差异有显著性(P<0.05),而在HbA1c、BMI、FPG、FINS、TG、TC、LDL-C和Homa-IR差异无显著性(P>0.05);Logistic回归显示病程、UAER、DBP是DR的独立危险因素。结论糖尿病病程、UAER、DBP与DR密切相关,是DR的独立危险因素。     

视网膜振荡电位与糖尿病视网膜病变病程进展的相关性研究

目的:研究糖尿病性视网膜病变(DR)在不同阶段形态改变时视网膜振荡电位(OP)的动态变化,为DR的早期诊断及病程进展预测提供客观的检测依据。方法:对确诊的2型糖尿病患者用检眼镜检查进行筛选,以眼底荧光素血管造影(FFA)进行明确分期,对各期病人在3年内定期行糖化血红蛋白测定(6次)、行视网膜震荡电位检查(2次),最后1次检测配合眼底荧光素血管造影检查。结果:视网膜振荡电位(OP)总波幅降低幅度<10.64±4.94uv(约<7.29%),可作为预测视网膜病变未进展的参考值;OP总波幅下降幅度>31.62±9.73uv(约>22.23%),则可作为预测2型糖尿病人发生DR或DR发生进展的依据。视网膜振荡电位(OP)总波幅降低程度与糖尿病视网膜病变病程进展有密切相关性。结论:OP的监测可预测DR的发展。     

新发糖尿病治疗后短期出现进展性视网膜病变1例报告并文献复习

新发2型糖尿病患者治疗前眼底检查正常,治疗后数个月即出现糖尿病视网膜病变（DR）者,文献报道尚少。本文报道1例新发2型糖尿病经胰岛素短期强化治疗后6个月出现进展性DR的临床特点和转归,结合文献探讨其可能机制。胰岛素治疗有可能诱发某些异质性2型糖尿病个体发生严重的视网膜病变。新发2型糖尿病治疗前应常规检查眼底,实施短期胰岛素强化治疗后1年内建议每3~4个月检查眼底1次,如患者有视力改变应随时检查。一旦明确为DR应及时而谨慎地调整降糖方案,进行有效的专科治疗,以阻止疾病进展,挽救患者视力。     

眼底照像及荧光造影用于糖尿病视网膜病变早期诊断的比较

目的比较眼底照像(FP)及眼底荧光血管造影(FFA)对于糖尿病视网膜病变(DR)的早期诊断价值。方法采用眼底照像及眼底荧光血管造影对231例(462眼)糖尿病患者进行筛查并对视网膜病变进行分期。结果 231例(462眼)糖尿病患者经FP诊断为DR 168例(310眼),其中Ⅰ期改变87例(162眼);而经FFA诊断为DR 196例(371眼),其中Ⅰ期改变114例(212眼)。两者比较差异有统计学意义(P<0.05)。结论 FFA比FP能更早期、更准确地发现病变,具有更高的诊断价值。     

上海社区糖尿病前期及糖尿病人群视网膜病变患病率及相关危险因素分析

目的 了解上海社区糖尿病前期(IGR)及糖尿病(DM)人群视网膜病变(DR)的患病率及相关危险因素.方法 于2005年6月至2006年3月对在上海市华阳及曹杨两个社区代谢综合征现况调查中获得的IGR和DM病人(共1300例)进行DR筛查,将完成调查并具有完整数据的642例病人(DM者391例,IGR者251例)纳入本次分析,其中男312例,女330例,平均年龄(65±13)岁.视网膜病变采用Canon CR-DGi免散瞳眼底照相机拍照法,并根据国际临床糖尿病视网膜病变严重程度的分级标准诊断.结果 社区DM病人DR患病率为19.9%(78例),其中轻、中、重度及增殖性DR的患病率依次为12.0%、5.1%、2.3%和0.5%;IGR人群的DR患病率为8.0%(20例).Logistic回归结果 见到糖尿病病程、糖化血红蛋白是DM病人合并DR的独立危险因素.结论 上海社区高血糖人群DR的患病率较高,IGR人群已有DR发生.病程长、血糖控制差均可增加DM病人发生DR的危险.     

眼底荧光造影检查对筛检糖尿病眼底病变的临床价值

目的：探讨眼底荧光造影检查在糖尿病眼底病变筛查中的应用价值。方法方便选取2013年1月—2016年1月以眼底镜和眼底荧光造影检查该院收治的78例(156眼)糖尿病患者进行眼底病变筛查,依DR分期标准对筛查出的糖尿病视网膜病变进行分期,并以此为基础给予患者治疗指导。结果眼底荧光造影对糖尿病眼底病变的检出率显(82.50%)著高于眼底镜下检查(67.31%)。比较差异有统计学意义(P﹤0.05)。 DR分期I期47眼(30.1%)。 II期29眼(18.6%),III期25眼(16.0%),IV期17眼(10.9%),V期7眼(4.5%),VI期3眼(1.9%)。结论以眼底荧光造影筛查糖尿病眼底病变检出率高,可作为指导眼底病变治疗的重要参考指标在临床推广使用。     

结缔组织生长因子基因启动子甲基化状态与糖尿病视网膜病变关系的研究

目的探讨结缔组织生长因子（CTGF）基因启动子区甲基化状态与糖尿病病人并发视网膜病变的关系,及其对血清CTGF水平的影响。方法纳入于大连大学附属中山医院内分泌科住院的糖尿病病人共计120例,根据2002年糖尿病视网膜病变国际临床分形标准,行眼底检查或者眼底荧光造影,明确糖尿病视网膜病变诊断,分为糖尿病视网膜病变组（DR组）57例,糖尿病不合并视网膜病变组（NDR组）63例,另选取大连大学附属中山医院体检中心体检的正常人58名作为健康对照组（NC组）。提取外周血白细胞DNA,应用甲基化特异PCR（MSP）检测CTGF基因启动子区甲基化状态,应用ELISA法测定各组标本中血清CTGF水平从而进行分析。结果DNA甲基化特异性PCR统计分析结果显示DR组CTGF基因启动子甲基化阳性率为24.45%,低于NDR组（42.86%）和NC组（78.95%）（P < 0.05和P < 0.01）。DR组血清CTGF水平明显高于NDR组和NC组（P < 0.01）。结论从表观遗传学角度,CTGF基因启动子低甲基化导致血清CTGF水平升高,可能是糖尿病视网膜病变发生发展的机制之一。     

血清胱抑素C、血脂及高敏C反应蛋白与糖尿病视网膜病变的相关性研究

目的 探讨2型糖尿病病人血清胱抑素C(Cys-C)、血脂水平以及高敏C反应蛋白(hs-CRP)水平及病程与2型糖尿病视网膜病变(DR)的相关性。方法收集本科室住院的糖尿病病人90例作为研究对象,根据DR病变程度分组,比较不同组别间病人Cys-C、血脂及hs-CRP水平。结果90例糖尿病,DR1期48例,占53.33%,DR2期14例,占15.56%,DR3期10例,占11.11%,DR4期6例,占6.67%,DR5期12例,占13.33%。随着分期的递增,其病程、血糖、糖化血红蛋白、血脂、hs-CRP、Cys-C以及24 h尿蛋白定量(24 h-UAE)水平依次升高,HDL-C水平呈依次降低;Spearman''s相关性分析显示,Cys-C,hs-CRP及病程与DR发生相关,是诱发DR的独立危险因素。结论Cys-C,Hs-CRP及病程是DR发病的独立危险因素,对于确诊为糖尿病的病人,应早期行眼底检查,及早发现视网膜病变,并控制血糖及血脂水平,以延缓DR的病情,改善临床结局。     

Ⅱ型糖尿病患者并发视网膜病变的临床分析

目的：探讨Ⅱ型糖尿病（ＮＩＤＤＭ）患者并发糖尿病性视网膜病变（ＤＲ）临床发病的规律及与各种发病因素的关系。方法：对３０４例ＮＩＤＤＭ患者进行病史调查、眼科检查及实验室检查，分类分析相关发病因素。结果；本组ＮＩＤＤＭ患者中ＤＲ总发生率为４０．８％，其中单纯型视网膜病变（ＢＤＲ）发生率高于增殖型视网膜病变（ＰＤＲ）；随着患者年龄的增长，病程的延长，以及伴发高血压和晶状体后囊下皮质混浊，ＢＤＲ和ＰＤＲ的     

2型糖尿病伴发脑梗死患者血清NES和视网膜病变的测定

目的检测2型糖尿病伴脑梗死患者血清神经元特异性烯醇酶（neuron specific enolase,NES）水平和视网膜病变程度,研究两者的相关性及在糖尿病脑梗死中的作用。方法检测100例糖尿病患者（糖尿病伴脑梗死47例,单纯糖尿病53例）及50例健康人（正常对照）的血清NES水平,眼科常规检查后行眼底荧光血管造影术确立糖尿病视网膜病变（diabetic retinopathy,DR）发生情况。结果与正常对照组及单纯糖尿病组相比,糖尿病脑梗死组高NES血症发生率、血清NES水平及DR发生率及硬化程度均升高（P〈0．05）;糖尿病患者血清NES水平与DR硬化程度呈正相关（r=0．733,P〈0．05）。结论血清NES水平和DR是糖尿病脑梗死发生的独立危险因素。     

糖化血红蛋白控制理想的2型糖尿病视网膜病变与血糖波动的关系

目的 动态血糖监测（CGM）评估血糖波动,探讨糖化血红蛋白（HbA1c）<7.0%的2型糖尿病患者视网膜病变（DR）与血糖波动的关系。方法 选择2014年5月至2018年1月在合肥市第二人民医院内分泌科住院的168例HbA1c<7.0%的2型糖尿病患者为研究对象,根据DR病变程度,将108例无DR的患者纳为NDR组,60例DR患者纳为DR组。对受试者进行连续72 h的CGM,计算平均血糖（MBG）、血糖水平标准差（SDBG）、有效波动平均幅度（MAGE）,同时检测HbAlc、血压、体质指数,评估HbA1c控制理想的2型糖尿病视网膜病变与血糖波动之间的相关性。结果 DR组患者病程（8.33±0.82）年、收缩压（138.20±11.84）mmHg、舒张压（86.53±8.57）mmHg、SDBG（2.73±0.54）、MAGE（3.98±0.70）mmol/L,均高于NDR组,差异有统计学意义（P<0.05）。logistic回归分析显示,病程、MAGE是2型糖尿病患者发生DR的危险因素（P<0.05）。结论 HbAlc<7.0%的2型糖尿病患者DR与糖尿病病程、血糖波动及血压有关。     

糖尿病视网膜病变与血清胆红素水平的关系

目的探讨糖尿病患者视网膜病变与血清胆红素水平的关系。方法选取首都医科大学附属北京同仁医院内分泌科2005年6月至2008年5月住院的Ⅱ型糖尿病患者664例,根据眼底检查结果分为无视网膜病变(non-diabetic retinopathy,NDR)组和视网膜病变(diabetic retinopathy,DR)组,比较2组患者血清胆红素水平的差异。应用多因素非条件Logistic回归分析法对其危险因素建立方程。结果DR组患者胆红素水平低于NDR组患者(P<0.01),以糖尿病视网膜病变为因变量行Logistic回归分析显示病程(OR=1.011)、血清低密度脂蛋白水平(OR=1.450)和收缩压(OR=1.011)是其独立危险因素,血清胆红素水平(OR=0.909)是其保护性因素。结论胆红素水平与糖尿病视网膜病变的发生发展相关,应重视胆红素的抗氧化作用。     

2型糖尿病视网膜病变纤维蛋白原、D—二聚体和超敏C反应蛋白检测价值

目的:研究2型糖尿病视网膜病变(DR)患者血浆纤维蛋白原(FIB)、D—二聚体(D-D)和血清超敏C反应蛋白(hs-CRP)水平检测临床价值。方法:行眼底血管荧光造影(FFA)和眼底检查,将糖尿病102例分为糖尿病视网膜病变(DR)组54例;单纯糖尿病无视网膜病变(NDR)组48例。正常对照组42例。对6项相关指标进行检测。结果:糖尿病102例空腹血糖(FPG)、糖化血红蛋白(HbA1C)、尿微量白蛋白(mALB)、FIB、D-D和超敏C反应蛋白(hs-CRP)水平均明显高于正常对照组(P<0.01),DR组FIB、D-D和hs-CRP水平均高于NDR组(P<0.05)。并且FIB、D—二聚体和hs-CRP三者成正相关。结论:FIB、D-D和hs-CRP在糖尿病视网膜病变患者明显升高,提示糖尿病患者处于高凝和纤溶亢进状态,且炎症反应可在糖尿病视网膜病变发展中起重要作用。     

激光光凝治疗糖尿病视网膜病变的疗效观察

目的评价眼底激光光凝治疗糖尿病视网膜病变（DR）的疗效。方法对78例（141眼）糖尿病视网膜病变患者采用VISULAS 532S眼底激光治疗仪进行视网膜激光光凝术,术后3月、6月、1年FFA复查,随访1年。结果 78例（141眼）中视力提高或无变化88.9%,视力下降11.1%,新生血管退行79.3%,黄斑水肿减轻78.6%。结论激光治疗糖尿病视网膜病变安全有效。选择合适时机和合理的激光参数对不同分期的DR行全视网膜光凝（PRP）是确保DR患者视力康复的关键。     

Algorithms for the Automated Detection of Diabetic Retinopathy Using Digital Fundus Images: A Review

Diabetes is a chronic end organ disease that occurs when the pancreas does not secrete enough insulin or the body is unable to process it properly. Over time, diabetes affects the circulatory system, including that of the retina. Diabetic retinopathy is a medical condition where the retina is damaged because fluid leaks from blood vessels into the retina. Ophthalmologists recognize diabetic retinopathy based on features, such as blood vessel area, exudes, hemorrhages, microaneurysms and texture. In this paper we review algorithms used for the extraction of these features from digital fundus images. Furthermore, we discuss systems that use these features to classify individual fundus images. The classifications efficiency of different DR systems is discussed. Most of the reported systems are highly optimized with respect to the analyzed fundus images, therefore a generalization of individual results is difficult. However, this review shows that the classification results improved has improved recently, and it is getting closer to the classification capabilities of human ophthalmologists.