基于计算机图像模式识别技术的中重度非增殖性糖尿病性视网膜病变定量分析研究

Early detection and interventions are vital to visual impairment and blindness caused by diabetic retinopathy (DR). Color Fundus Photography based screening system for diabetic patients is economically beneficial. Using optimized computational algorithms can reduce DR screening and follow-up costs and make DR morphological evaluation more quantitative and accurate. With former research work, our study focused on the automated analysis and recognition of lesions vein beading and interretinal microvascular abnormalities in non-proliferative DR patients. We also mine parameters related to vessel diameter and branch, then analyze the relationship between them in order to identify morphological biomarkers for non-proliferative DR progression. These studies currently is blank at the international level. The results of our research work will provide experimental evidence for early prevention and treatment of DR.

早期诊断和及时干预对于防止糖尿病性视网膜病变（Diabetic retinopathy, DR）视力损伤及盲极为重要。基于眼底彩相的糖尿病患者眼部病情筛查及随访系统是符合卫生经济学效益的临床筛查干预模式。应用计算机图像模式识别技术中的组合优化算法，降低了DR筛查随访工作人力成本，同时使DR形态学评价定量化、精准化，是当今医学的新趋势新要求。本研究在前期工作基础上拟通过自动化分析识别中眼底彩照中的非增殖性DR中静脉串珠样改变及视网膜内微血管异常这两类经典病灶；同时挖掘眼底彩照中描述视网膜微血管中血管管径相关参数及分支血管形态参数；进一步分析这两类参数同中重度DR病灶视网膜层间出血、静脉串珠样改变及视网膜内微血管改变的时序相关性，以确定与非增殖性DR进展密切相关具有临床标志意义的形态学生物指标。这些研究目前在国际上尚属空白，本课题预期的研究结果可能为DR早期临床防治提供理论和实验依据。

早期筛查和及时干预对于防止糖尿病性视网膜病变（Diabetic retinopathy, DR）视力损伤及盲极为重要。基于眼底彩相的糖尿病患者眼部病情筛查及随访系统是符合卫生经济学效益的临床筛查干预模式。本研究在前期工作基础上，通过组合应用计算机图像模式识别技术中的优化算法，自动化分析识别中眼底彩照中的非增殖性DR中包括微动脉瘤、硬性渗出、视网膜层间出血、静脉串珠样改变、视网膜内微血管异常等经典病灶，在病灶自动化检测和分割精度提高的基础上实现DR病灶的精确定量化分析（相关论文已发表，两项专利已授权）；同时实现眼底彩照中视网膜血管结构的自动化分割，在视网膜血管精确检测分割的基础上实现视网膜血管管径相关参数及分支血管形态参数挖掘和自动化定量分析（相关论文已发表），挖掘与非增殖性DR进展密切相关具有临床标志意义的形态学生物指标。本课题的研究结果为DR早期临床防治提供理论和实验依据。

内容获取失败，请点击重试