应用人工智能识别超广角眼底照相多病种的初步研究

目的构建一个小样本超广角眼底照相(UWFI)多疾病分类人工智能模型, 初步探究人工智能对UWFI多病种分类任务的能力。方法回顾性研究。2016年至2021年于武汉大学人民医院眼科就诊并行UWFI检查的1 123例患者的1 608张图像用于UWFI多疾病分类人工智能模型构建。其中, 糖尿病视网膜病变(DR)、视网膜静脉阻塞(RVO)、病理性近视(PM)、视网膜脱离(RD)、正常眼底图像分别为320、330、319、268、371张。来自天津医科大学眼科医院106例患者的135张图像作为外部测试集。选取EfficientNet-B7作为主干网络, 对纳入的UWFI图像进行分类分析。使用受试者工作特征曲线及曲线下面积(AUC)、灵敏度、特异性、准确率评估分类模型在测试集上的表现, 所有数据均使用数值及95%可信区间(CI)表达。将数据集在网络模型ResNet50、ResNet101上进行训练, 并在外部测试集上进行测试, 对比观察EfficientNet与上述两种模型的性能。结果 UWFI多疾病分类人工智能模型在内部、外部测试集上的总分类准确率分别为92.57% (95%CI 91.13%～...     

活体共聚焦显微镜在微生物性角膜炎诊断中的应用进展

微生物性角膜炎(MK)是由细菌、病毒、真菌、棘阿米巴等微生物感染引起的角膜组织炎症病变,是导致角膜盲的重要原因之一。活体共聚焦显微镜(IVCM)是一种非侵入性成像技术,可通过IVCM快速、实时地获取角膜组织的高分辨率图像,在角膜疾病的诊断和临床研究中表现出独特的优势。近年来,随着学科交叉与融合,人工智能在辅助识别微生物性角膜炎IVCM图像的特征结构中崭露头角,对准确、快速地诊断MK具有重要的临床价值。因此,本文将从IVCM在诊断MK中的特征性表现以及人工智能在辅助医生诊断MK应用的进展两个方面进行综述,为进一步推动人工智能辅助共聚焦显微镜诊断角膜炎的诊疗做基础。     

人工智能结合光相干断层扫描技术辅助识别5种眼底病变系统的应用和价值评估

目的建立基于深度学习光相干断层扫描(OCT)图像眼底病变的眼底智能辅助诊断系统, 初步评估其应用价值。方法诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中, 黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管(CNV)、老年性黄斑变性(AMD)各5 000张。训练集、验证集分别为18 124、6 876张。通过迁移学习Attention ResNet结构算法, 对OCT图像进行特征性病变识别, 通过特定程序提取疾病特征, 根据目标病变的统计特征, 将给定的图像与其他类型的疾病进行区分。初步形成黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的模型算法, 建立5种模型的眼底智能辅助诊断系统。应用受试者工作特征曲线及曲线下面积(AUC)、灵敏度、特异性评估眼底智能辅助诊断系统中各模型辅助诊断的性能。结果眼底智能辅助诊断系统中, 黄斑前膜模型辅助诊断的灵敏度、特异性分别为93.5%、99.23%, AUC为0.983 7;黄斑水肿辅助诊断的灵敏度、特异性分别为99.02%、98...     

共焦显微镜观察慢性角膜水肿患者角膜各层形态特点

目的：应用活体共焦显微镜(IVCM)观察慢性角膜水肿患者角膜各层形态特点。

方法：使用IVCM观察不同病因的慢性角膜水肿的患者21例21眼,并与5例拟行白内障手术患者的正常角膜进行对照。

结果：IVCM观察到所有慢性角膜水肿患者角膜上皮层均可见大泡,表现为黑色、圆形、边缘清晰。18眼(86%)上皮细胞出现高反射的无细胞结构的片状区域和瘢痕。12眼(57%)患者中央区角膜上皮下未发现神经纤维,9眼(43%)患者中央区角膜上皮下神经平均密度显著降低。所有患者Bowman膜(BZ)表现为明显的异常,除了瘢痕外,BZ呈分支的、细的、黑线状。13眼(62%)患者前基质表现为细颗粒或粗颗粒,且反光不同。所有患者角膜基质细胞密度降低。所有患者角膜内皮表现为正常六边形结构消失,细胞边界不清。对照组角膜正常未见上述改变。

结论：IVCM可以用来观察慢性角膜水肿角膜各层微观结构上的变化,包括上皮瘢痕形成、上皮下神经纤维及基质细胞的减少。随着角膜内皮移植术的日益普及,本研究支持IVCM在定量评估术前、术后角膜水肿的作用。     

基于彩色眼底像和深度学习的视神经炎及非动脉炎性前部缺血性视神经病变的筛查诊断系统的构建

目的构建并评估基于彩色眼底像和人工智能(AI)辅助筛查视神经炎(ON)及非动脉炎性前部缺血性视神经病变(NAION)的筛查诊断系统。方法诊断性试验研究。2016年至2020年于中山大学中山眼科中心检查确诊的NAION患者178例267只眼(NAION组)、ON患者204例346只眼(ON组), 以及2018年至2020年经视力、眼压及光相干断层扫描(OCT)检查为眼底正常的健康者513名1 160只眼(正常对照组)共2 909张彩色眼底像作为筛查诊断系统的数据集, 其中NAION组、ON组、正常对照组分别为730、805、1 374张。将正确标注后的彩色眼底像作为输入数据, 选用EfficientNet-B0算法进行系统训练并验证, 最终构建是否存在异常视盘、是否存在ON和是否存在NAION的3个筛查系统(二分法)。采用受试者工作特征(ROC)曲线、ROC下面积(AUC)、准确度、灵敏度、特异性和热力图作为诊断效能和科学性的判断指标。结果测试集中, 诊断是否存在异常视盘、是否存在ON、是否存在NAION的AUC分别为0.967 [95%可信区间(CI)0.947～0.980]、0.96...     

基于超广角荧光素眼底血管造影图像行糖尿病视网膜病变分期的多模态深度学习模型研究

目的应用多模态深度学习模型对糖尿病视网膜病变(DR)超广角荧光素眼底血管造影(UWFA)图像进行病变程度的自动分级。方法回顾性研究。2015年至2020年于武汉大学人民医院眼科中心就诊并接受UWFA检查的DR患者297例399只眼的798张图像作为模型的训练集和测试集。其中, 无视网膜病变、非增生型DR (NPDR)、增生型DR (PDR)分别为119、171、109只眼。通过联合优化CycleGAN和卷积神经网络(CNN)分类器一种图像级监督深度学习模型, 定位和评估DR患眼UWFA早期和晚期正位图像中的荧光素渗漏区和无灌注区。使用改进后的CycleGAN将带有病变的异常图像转换为去除病变的正常图像, 得到含有病变区域的差分图像;使用CNN分类器对差分图像进行分类以获得预测结果。采用五折交叉检验评估模型的分类准确率。对差分图像显示的标志物面积进行量化分析, 观察缺血指数和渗漏指数与DR严重程度的相关性。结果生成图像基本去除了所有病变区域, 同时保留了正常血管结构;差分图像直观揭示了生物标志物的分布;热力图标示出渗漏区域, 定位基本与原图中病变区域一致。五折交叉检验结果显示, 模型的平...     

人工智能深度学习技术在辅助青光眼性眼底病变图像标注中的应用研究

目的探索人工智能(AI)深度学习技术用于青光眼性眼底病变(GON)筛查检出的效能。 方法采用诊断试验的研究方法，收集自2013年8月至2019年7月于首都医科大学附属北京同仁医院北京同仁眼科中心青光眼门诊就诊患者的眼底图像200张(200只眼)。根据阅片方式的不同，将采用AI系统阅片的定义为AI系统组，将医师人工阅片的定义为医师组。其中，医师组包括高年资眼科医师(眼底照片诊断经验为10年以上)、低年资眼科医师(眼底照片诊断经验为5年以上，10年以内)及全科医师。各组均对所有眼底图像进行阅片和标注。年龄和性别的数据经S-W检验证实呈正态分布者，以均数±标准差表示。经Levene检验证实方差齐，AI系统与不同级别医师单张平均阅片时间的比较采用单因素方差分析，两两比较采用LSD-t检验。采用敏感度、特异度及工作特性曲线下面积(AUC)对AI模型进行预测和性能评价。诊断符合率以百分数表示，AI系统与眼科高级医师阅片诊断的符合率、AI系统与不同级别医师阅片诊断符合率的比较，均采用卡方检验。 结果在医师组中，高年资眼科医师、低年资眼科医师及全科医师共6位医师共完成2次阅片。其诊断符合率的比较，差异均有统计学意义(χ²＝4.324，3.562，4.213，5.786，10.546，11.431；P<0.05)。AI系统阅片测试的敏感度为100.0%，特异度为88.6%，诊断符合率为90.5%，AUC为0.934。在AI系统辅助下，标注的符合率提升最大的为2位全科医师，分别达到了87.3%及82.5%。在AI系统辅助下，高年资眼科医师、低年资眼科医师及全科医师的平均阅片时间较独立阅片标注有明显缩短，差异均有统计学意义(t＝4.175、3.189、6.160；P<0.05)。 结论标准化智能AI标注辅助系统的应用有利于不同资质医师的准确诊断和提高效率。尤其，可以快速提升全科医师及低年资眼科医师标注的符合率。     

人工智能及其在眼科疾病诊疗中的应用

随着诊断技术的进步,人们对眼部的结构及其相关病变有了更为深入的了解:角膜共聚焦显微镜可提供角膜内不同层次的详细视图;而数字图像则能提供丰富的形态数据集。为了能够自动提取与眼科疾病相关的临床信息,在对正常角膜进行评估的同时识别异常的角膜,人们将人工智能（artificial intelligence,AI）与眼部结构联系起来。与传统的信息处理技术相比,AI具有更高的准确性,并能进行快速、无创的综合分析。基于神经网络的机器学习和深度学习方法能够识别、定位和量化大量眼科疾病中的病理特征,并作出推断或预测。AI的应用前景包括自动检测疾病的发生、筛选、诊断分级以及治疗指导,治疗效果的量化以及全新治疗方法的鉴定。预测和预后功能进一步扩展了AI在眼科中的应用潜力,这将实现医疗保健的个体化以及大规模管理,协助眼科医生提供高质量的诊断和治疗,并应对更复杂的临床难题。     

DR早期视网膜神经纤维层和角膜神经的变化及其相关性

目的:观察无视网膜微血管病变的糖尿病患者的视网膜神经纤维层(RNFL)和角膜神经纤维(CNF)变化,以及两者变化的相关性.方法:收集40例40眼2型糖尿病患者,经散瞳眼底检查未发现糖尿病视网膜病变,均接受光学相干断层扫描(OCT)检查和活体角膜共聚焦显微镜(IVCM)检查.另收集年龄匹配的80例80眼健康正常眼为对照,分为40例40眼只行OCT检查的RNFL对照组和40例40眼只行IVCM检查的CNF对照组.利用OCT观察视乳头上方、下方、颞侧、鼻侧和平均RNFL厚度,用IVCM观察角膜上皮下角膜神经纤维长度和角膜神经密度.结果:糖尿病组的视乳头上方、颞侧、鼻侧及平均RNFL与对照组比较,差异无统计学意义(P>0.05),但视乳头下方RNFL糖尿病组比RNFL对照组减少,差异有统计学意义(P=0.003).糖尿病组的角膜神经纤维长度、角膜神经密度均比CNF对照组减少(P<0.01).糖尿病组中,平均RNFL与角膜神经纤维长度和角膜神经密度呈正相关(r=0.518,P<0.01;r=0.484,P=0.002),下方RNFL与角膜神经纤维长度和角膜神经密度呈正相关(r=0.607,P<0.01;r=0.573,P<0.01).结论:糖尿病患者在未发现糖尿病视网膜病变前同时存在视网膜神经纤维层和角膜神经的丢失,视网膜神经纤维层变薄主要表现在下方象限,视网膜神经纤维层的变薄与角膜神经的减少呈正相关.     

小分子亮氨酸重复蛋白聚糖家族在维持角膜透明性中的作用

小分子亮氨酸重复蛋白聚糖(SLRPs)为角膜的重要结构成分, 在角膜透明性的形成和维持方面发挥重要作用。SLRPs大量分布于角膜基质层中, 主要分为Ⅰ型、Ⅱ型和Ⅲ型。各成员之间存在补偿性和协同性作用, 共同调控基质层胶原纤维的形成和装配, 维持胶原纤维排列的高度有序性, 奠定角膜透明性的基础。Decorin和lumican分别是Ⅰ型和Ⅱ型SLRPs的主要功能成分, 二者基因表达改变或核心蛋白结构异常均会影响角膜基质层其他细胞外基质成分的正常含量和排列关系, 导致胶原纤维的形成、装配和排列异常, 造成角膜混浊。SLRPs可通过结合促纤维化细胞因子及其受体等调控角膜创伤修复和基质重塑, 为治疗角膜疾病和研究角膜透明性的分子机制提供依据。本文就SLRPs家族成员生物学活性及其在角膜透明性中的作用研究进展进行综述。     

角膜类器官的研究进展

角膜类器官是利用诱导多能干细胞或胚胎干细胞体外培养得到的类角膜组织结构, 与人体角膜具有相似的解剖学特征和基因表达谱。虽然角膜类器官存在培养难度大、成本高、耗时长等问题, 但由于其能更真实再现角膜的生理环境以及各层细胞间的相互作用关系, 具有广阔的应用前景。本文汇总国内外最新研究进展, 总结角膜类器官在角膜发育及角膜病发生机制、角膜移植供体和角膜类器官芯片等研究方向中的应用, 以期为临床进一步开展持续研究提供参考, 使角膜类器官可更广泛应用于疾病模型、药物筛选、个性化医疗等更多角膜病医疗领域。     

关注光相干断层扫描图像的拓展分析

光相干断层扫描(OCT)是一种高分辨率、非接触的活体生物组织结构成像技术, 目前已广泛运用于眼科领域尤其是眼底疾病的检查。尽管OCT检查已在我国大部分基层医院普及, 然而在大多数情况下仅将其作为定性诊断工具, 缺乏对OCT图像的深度挖掘和解析。在人工智能快速发展的时代背景下, 以规范的信息化管理为基础, 建立较全面的OCT数据库, 进一步对OCT图像进行原始图像处理、病变分析、人工智能开发等, 有助于提升临床医生对玻璃体视网膜疾病的认识水平, 同时也能辅助眼科医师作出更适合的临床决策。     

人工智能在屈光手术中的研究与应用进展

人工智能(artificial intelligence, AI)在屈光手术的术前圆锥角膜筛查、屈光手术方案选择、手术参数设计、术后疗效预测以及有晶状体眼后房型人工晶状体植入术(implantable collamer lens, ICL)术后拱高预测等方面的应用研究取得了一定进展。AI在早期圆锥角膜识别方面普遍具有较高的准确度;AI辅助医生进行屈光手术方案选择和手术参数设计, 有利于提升患者术后视觉质量;AI进行角膜屈光手术术后疗效预测, 显示预测结果与实际结果具有良好的相关性。此外, AI对ICL术后拱高预测也显示出良好性能。(国际眼科纵览, 2022, 46:189-192)     

颗粒状角膜营养不良活体共焦显微镜形态学研究

目的研究颗粒状角膜营养不良角膜各层组织的共焦显微镜形态改变。方法应用Confoscan2.0共焦显微镜对13例(26眼)颗粒状角膜营养不良患者的角膜进行扫描检查,记录与分析各层角膜图像。结果所有患眼前基质细胞及16/26眼后基质细胞结构不清,排列紊乱,并可见短棒状多形性强反光;6/26眼前弹力层不规则并增厚,神经纤维密度明显下降;6/26眼角膜上皮基底细胞层可见不定型的强反光;2/26眼角膜上皮细胞边界不清,排列呈疏松的蜂窝状,并出现不透明的强反光;所有患者角膜内皮细胞形态基本正常。视力0.3以下的患眼角膜上皮细胞层、上皮基底细胞层、前弹力层、后基质层发生形态异常的比例高于0.3以上的患眼(P<0.05)。结论1.共焦显微镜可活体检查颗粒状角膜营养不良角膜组织各层结构,起到类似病理组织切片的作用。2.前基质层形态异常可能是颗粒状角膜营养不良最基本的共焦显微镜形态特征,病情越重,前基质层以外的其它层次发生形态异常的可能性越大,但内皮细胞层一般不受累。3.共焦显微镜检查对颗粒状角膜营养不良手术方式的选择具有一定的参考价值。     

基于眼底彩色照相的常见眼底疾病智能辅助诊断轻量化模型研究

目的:观察基于眼底彩色照相的常见眼底疾病六分类智能辅助诊断轻量化模型的诊断价值。方法:应用研究。采集南京医科大学附属眼科医院和浙江省数理医学学会智能眼科数据库的2 400张彩色眼底像数据集,该数据集经脱敏处理及眼底病专科医师标注,包括糖尿病视网膜病变、青光眼、视网膜静脉阻塞、高度近视、老年性黄斑变性、正常眼底像各400...     

基于迁移学习和数据增强策略构建真菌性角膜炎镰刀菌属鉴定的智能诊断系统

目的：构建和评估一种基于迁移学习和数据增强策略的真菌性角膜炎镰刀菌属鉴定的智能诊断模型。

方法：回顾性分析。纳入2017-03/2020-01在广西壮族自治区人民医院眼科行活体共聚焦显微镜检查的真菌性角膜炎患者的2 157张图像构建数据集,并根据微生物培养结果对数据集进行分类,将数据集划分为训练集1 380张、验证集345张和测试集432张。采用迁移学习Inception-ResNet V2网络构建智能诊断模型,将原始数据集和应用数据增强策略后的增强数据集所训练的智能诊断系统进行对比,最后计算智能诊断系统的特异度、灵敏度、准确率和受试者工作特征曲线的曲线下面积(AUC)等指标,评估该系统的诊断效能。

结果：使用原始数据集训练的智能诊断系统的特异度为71.6%,灵敏度为72.0%,准确率为71.8%,AUC为0.785(95%CI：0.742～0.828,P<0.0001); 使用增强数据集训练的智能诊断系统的特异度为76.6%,灵敏度为83.1%,准确率为79.9%,AUC为0.876(95%CI：0.843～0.909,P<0.0001),使该智能诊断系统的诊断效能均较前提高。

结论：通过迁移学习的方式构建出真菌性角膜炎镰刀菌属的智能诊断系统,具有较高的准确性,实现了对真菌性角膜炎病原菌镰刀菌属的智能诊断,并进一步验证在原始数据集有限的情况下,采用数据增强策略可以提高系统的诊断性能,该方法可用于真菌性角膜炎病原学镰刀菌属鉴定的辅助诊断。     

共焦显微镜在角膜营养不良诊断中的应用

目的 探讨共焦显微镜在角膜营养不良诊断中的应用价值。设计 病例系列研究。研究对象 6例角膜营养不良，包括4例Reis-Bueckleas角膜营养不良、1例角膜斑点状营养不良、1例。Fuchs角膜内皮营养不良。方法 患者双眼行裂隙灯显微镜及共焦显微镜检查，选择病变在不同角膜层次的共焦显微镜图像，对角膜沉淀进行形态学评价，并与裂隙灯检查比较。主要指标角膜病变的裂隙灯显微镜及共焦显微镜图像。结果 共焦显微镜显示Reis-Bficklers角膜营养不良病变主要累及前部基质，包括角膜上皮、基底细胞及前弹力层；斑点状角膜营养不良病变仅累及基质层，而角膜上皮层及内皮层正常；在Fuchs角膜内皮营养不良中，可直接观察角膜小滴及角膜内皮情况。结论 共焦显微镜检查提供了一种评价角膜病变的方法，较裂隙灯显微镜的分辨率高。     

诺卡菌角膜炎的临床及活体共聚焦显微镜影像学特征分析

目的探讨诺卡菌角膜炎的临床及活体共聚焦显微镜(IVCM)影像学特征。方法回顾性病例系列研究。收集2018年至2022年首都医科大学附属北京同仁医院连续就诊的诺卡菌角膜炎16例(16只眼)患者资料, 其中男性11例, 女性5例;年龄为(42.6±15.5)岁。所有患者均有典型诺卡菌角膜炎临床表现及至少1项阳性病原学检查结果(角膜病灶刮片或微生物培养)。收集患者完整的病史、临床资料及微生物学检查结果, 包括危险因素、确诊时间、临床表现、诊断方法、分离菌种、治愈时间及治疗前后最佳矫正视力;裂隙灯显微镜及IVCM检查、刮片细胞学检查、微生物培养与质谱鉴定等。结果诺卡菌角膜炎的主要危险因素为植物或其他异物伤(5/16)、角膜接触镜(4/16)、穿透性角膜移植术后(1/16)、脑膜瘤术后(1/16)。患者出现症状到确诊的时间为(20.8±11.8)d, 随访时间(46.8±12.6)d。就诊时最佳矫正视力<0.05者和≥0.05且<0.3者均为7只眼, ≥0.3者2只眼。典型体征为角膜浅层花环状灰白色浸润灶, 随病情进展出现角膜溃疡及表面干燥隆起灰白色坏死组织, 严重患者可致角膜溃疡穿...     

眼科人工智能研究发展存在的挑战及应对

人工智能技术的兴起给眼病诊疗带来了颠覆性的变革, 为眼科影像诊断技术提供了全新的智能辅助诊断模式。然而, 随着临床应用反馈和需求的不断变化, 眼科人工智能研究面临着一些挑战, 包括缺乏标准化的数据集和共享平台, 算法模型单一, 跨模态信息融合不足, 以及缺乏临床可解释性等问题。为了满足眼科人工智能研究的新需求, 我们需要努力建设眼科数据标准及共享平台, 突破核心智能算法创新, 并建立临床逻辑可解释的眼病筛查、诊断、预测模型。此外, 与5G、虚拟现实、手术机器人等前沿技术的深度融合, 也将推动我国眼科智能医学发展进入新的阶段。     

应用深度学习算法评估角膜塑形镜配适状态的研究

目的 开发一种基于荧光素染色的人工智能算法以进行角膜塑形镜验配状态的自动评估。设计诊断试验。研究对象2022年4-5月360例(360眼)验配角膜塑形镜患者的角膜塑形镜配适视频。方法使用基于注意力机制的深度学习算法对角膜塑形镜荧光素染色配适视频进行分析。算法利用角膜塑形镜染色视频的关键帧捕捉镜片静态形态信息,同时对视频整体综合考虑以获取镜片活动度等动态信息。算法采用双阶段的结构,第一阶段对配适偏紧样本分类,并基于此结果进一步完成第二阶段的配适合适以及配适偏松样本的分类,并与5位视光医生评估协商后的一致结果作为标准进行比较。主要指标敏感性、识别准确率、判别一致性。结果在验证集上,此算法在第一阶段对于配适偏紧样本的分类正确率达82%,敏感性80%,特异性85%。第二阶段对于配适合适和偏松的分类正确率达88%,敏感性85%,特异性93%。最终每一类的分类结果正确率均可达到80%以上,其中配适偏紧80%,配适合适83%,配适偏松81%。结论基于注意力机制的深度学习算法可较好地对角膜塑形镜配适状态做出客观的自动评估。(眼科,2023,32:305-309)