基于深度学习的利用眼底图像序列和基线屈光数据预测儿童近视进展的纵向研究
计算机视觉与模式识别
2025-04-16 v2 人工智能
摘要
儿童近视是一个重要的全球公共卫生问题。其患病率持续上升，有可能发展为严重的、不可逆的疾病，对家庭福祉产生不利影响并造成巨大的经济成本。当代研究强调精确预测近视进展的重要性，以便及时进行有效干预，从而避免儿童严重视力损害。此类预测主要依赖于主观临床评估，这些评估本质上存在偏差且资源密集，从而阻碍了其广泛应用。在本研究中，我们提出了一种新颖的高精度方法，仅利用眼底图像和基线屈光数据来定量预测儿童的近视轨迹和近视风险。该方法通过一项针对河南省3,408名儿童的六年纵向研究进行了验证，使用了16,211张眼底图像及相应的屈光数据。我们的深度学习方法表现出预测准确性，近视进展的误差幅度为每年0.311D，预测近视和高近视风险的AUC分数分别为0.944和0.995。这些结果证实了我们模型在支持早期干预策略和显著降低医疗成本方面的效用，特别是通过避免额外的元数据和重复咨询。此外，我们的方法仅依赖眼底图像和屈光误差数据，无需元数据或多次医生问诊，大幅降低了相关医疗成本并促进了大规模筛查。我们的模型甚至可以仅基于单次时间测量提供良好的预测。因此，所提出的方法是减少因经济差距造成的医疗不平等的重要手段。
引用
@article{arxiv.2407.21467,
title = {Deep Learning-Based Longitudinal Prediction of Childhood Myopia Progression Using Fundus Image Sequences and Baseline Refraction Data},
author = {Mengtian Kang and Yansong Hu and Shuo Gao and Yuanyuan Liu and Hongbei Meng and Xuemeng Li and Xuhang Chen and Hubin Zhao and Jing Fu and Guohua Hu and Wei Wang and Yanning Dai and Arokia Nathan and Peter Smielewski and Ningli Wang and Shiming Li},
journal= {arXiv preprint arXiv:2407.21467},
year = {2025}
}