糖尿病视网膜病变早期诊断：人工血管重建与神经网络技术

"本文介绍了人工血管重建技术在糖尿病视网膜病变早期诊断和分类中的应用，结合神经网络模型，实现高效准确的自动化识别。" 糖尿病视网膜病变(Diabetic Retinopathy, DR)是一种常见的糖尿病并发症，严重影响患者的视力。随着医学信息学的发展，人工智能（AI）特别是基于神经网络的技术被广泛应用在DR的早期诊断与分类中，以提高识别的准确性和效率。 本文的研究目标是开发一种自动方法，用于早期识别DR。这一方法分为两步：首先，通过定制的程序进行血管重建、增强和连续性恢复，处理来自光学相干断层扫描血管造影(Optical coherence tomography angiography, OCTA)的图像；其次，利用人工神经网络(ANN)进行分类，区分无DR的糖尿病患者与轻度至中度非增殖性糖尿病视网膜病变(NPDR)患者。 在特征提取阶段，研究选取了7个最具变化性的特征，如毛细血管间面积的平均值，这些特征基于视网膜血管网络的形态变化，包括中心凹无血管区(FAZ)区域、FAZ周长、圆度指数和血管密度等。这些特征的计算涉及对选定区域的分析，包括或不包括FAZ。 实验使用了100幅OCTA图像，包括40例正常人、30例无DR的糖尿病患者和30例NPDR患者。结果表明，整个系统的准确率达到了97%，表现出高灵敏度（97.5%）、特异性（96.67%）和精确度（95.2%）。分类糖尿病无DR与NPDR患者的性能参数也相当高，误分类率仅为3.33%。 这项工作采用的AI方法依赖于MATLAB和Fiji的Image-J软件以及监督学习的神经网络插件，成功实现了高分辨率、高特异性和高精确度的诊断，且诊断过程快速。这不仅有助于早期干预，降低DR导致的视力丧失风险，而且减轻了医生的工作负担，提高了医疗服务的效率。 人工血管重建技术和神经网络的结合在糖尿病视网膜病变的早期识别上展现出了巨大的潜力，未来可能进一步应用于其他视网膜疾病的诊断，并对医疗系统产生积极影响。随着AI技术的不断进步，预期在医疗领域的应用将更加广泛，对提升疾病诊断的准确性和速度发挥关键作用。