目的 探讨一种基于深度学习的视网膜毛细血管无灌注区(NPA)智能识别定量分析系统在视网膜中央静脉阻塞(CRVO)缺血分型诊断中的应用价值.方法 回顾性病例系列研究.选取2017年1月至2018年12月经山西省眼科医院门诊确诊为CRVO并行荧光素眼底血管造影(FFA)检查的343例343眼患者纳入本研究.随访并记录患者自发病起1年内是否发生新生血管并发症.应用人工智能诊断系统计算CRVO患者后极部55°视野范围NPA面积,受试者工作特征曲线(ROC)分析该NPA面积对CRVO发生新生血管并发症的诊断价值.结果 343例CRVO患眼中有26眼发生了新生血管并发症,发病率7.58％.依据NPA面积判断CRVO患者是否发生新生血管并发症的曲线下面积为0.889(95％CI:0.799～0.978,P<0.001).最佳截断值为20.997视盘面积(DA),灵敏度为0.808,26眼新生血管并发症患者中有21眼NPA值大于该值;特异度为0.946,317眼无并发症患者中有300眼NPA值小于该值.结论 基于深度学习的NPA智能识别定量分析系统可为CRVO分型诊断提供决策依据.55°视野范围后极部NPA>20 DA可作为CRVO缺血分型的阈值标准.

视网膜静脉阻塞;荧光素血管造影术;智能辅助诊断技术

侯军军;张喜梅;陈松;孙斌;张光华;谢娟;马非;刘汉

300020 天津市,天津医科大学眼科临床学院,天津市眼科医院,天津市眼科研究所;030002 山西省太原市,山西省眼科医院;030000 山西省太原市,山西智能大数据产业技术创新研究院;030000 山西省太原市,太原学院智能与自动化系

眼科新进展

[1]侯军军;张喜梅;陈松;孙斌;张光华;谢娟;马非;刘汉-.基于深度学习的视网膜毛细血管无灌注区智能识别定量分析系统在CRVO缺血分型诊断中的应用)[J].眼科新进展,2022(06):465-468

视网膜毛细血管无灌注区

智能识别,CRVO,血分,分型诊断,NPA,视网膜中央静脉阻塞,回顾性病例系列研究,月经,眼科医院,医院门诊,荧光素眼底血管造影,FFA,新生血管,血管并发症,智能诊断系统,受试者工作特征曲线,诊断价值,眼中,截断值,视盘,盘面,DA,决策依据,视网膜静脉阻塞,荧光素血管造影术,智能辅助诊断技术

0.191133