人工智能在通过视网膜成像应用于帕金森病
组织与器官
2026-03-16 v1 图像与视频处理
摘要
帕金森病（PD）因人口老龄化预计将显著增加，使得早期诊断日益重要，因为及时检测可能延缓病程并减少长期并发症。视网膜微血管构成已成为神经退行性疾病的有前景的解剖生物标志物，结合人工智能（AI），视网膜成像可能为帕金森病提供一种先进的、无创的且具有成本效益的筛查策略。本研究评估了过去35年中AI检测帕金森病相关视网膜血管结构变化能力的证据。系统检索了包括PubMed、Web of Science、Scopus、ScienceDirect和ProQuest在内的五个电子数据库，从1990年1月至2025年1月。此外，手工检索Annals of Neurology和Frontiers in Neuroscience，並檢視纍入研究的參考文獻清單。 ultimately符合納入標準的19篇研究。識別出三項主要診斷AI任务，包括疾病分類、視網膜血管分割和PD风险分层。最佳表现模型為ShAMBi-LSTM於Drishti数据集上，分类准确率97.2%，精确率99.5%，灵敏度96.9%，F1分数0.981；nnU-Net分割准确率99.7%，精确率98.7%，灵敏度98.9%，特异度99.8%，Dice得分98.9%；AlexNet用于风险预测，其ROC曲线下面积分别为0.77、0.68和0.73。总体而言，将AI算法应用于视网膜血管结构以检测帕金森病早期迹象和预测疾病严重程度，表明将AI与视网膜生物标志物集成具有潜力，可实现比仅依赖传统临床评估更早且更准确的检测。
引用
@article{arxiv.2603.12281,
title = {Artificial intelligence applications in Parkinson's disease via retinal imaging},
author = {Ali Jafarizadeh and Hamidreza Ashayeri and Hadi Vahedi and Parsa Khalafi and Mirsaeed Abdollahi and Navid Sobhi and Ru-San Tan and Roohallah Alizadehsani and U. Rajendra Acharya},
journal= {arXiv preprint arXiv:2603.12281},
year = {2026}
}
备注
41 pages, 6 figures, 2 tables, 72 references