基于深度学习的横断面研究：区分与偏头痛相关的视网膜微血管和神经元差异
图像与视频处理
2024-08-15 v1 计算机视觉与模式识别
神经元与认知
摘要
偏头痛是一种常见的神经系统疾病，已被证实与多种眼部表现相关，这些表现暗示了神经元和微血管缺陷。然而，对于视网膜成像能在多大程度上区分偏头痛患者与非偏头痛患者，目前了解有限。在本研究中，我们将卷积神经网络应用于彩色眼底摄影（CFP）和光学相干断层扫描（OCT）数据，以研究视网膜中可能通过传统人工解读视网膜成像无法察觉的差异。分析了来自 369 名和 336 名参与者的 CFP 类型 1 [后极] 和类型 2 [视神经头（ONH）] 的回顾性数据。所有参与者的双侧视神经和黄斑均正常，且无涉及视网膜的疾病。CFP 图像与 OCT 默认 ONH 测量值拼接后，输入三个卷积神经网络——VGG-16、ResNet-50 和 Inceptionv3。主要结局指标是利用视网膜微血管和神经元成像特征区分偏头痛患者与非偏头痛患者的性能。使用 CFP 类型 1 数据，区分能力（AUC [95% CI]）较高（0.84 [0.8, 0.88] 至 0.87 [0.84, 0.91]），且 VGG-16、ResNet-50 和 Inceptionv3 之间无显著差异。使用 CFP 类型 2 [ONH] 数据，区分能力降低，范围从差到一般（0.69 [0.62, 0.77] 至 0.74 [0.67, 0.81]）。OCT 默认 ONH 测量值总体上对模型性能没有显著贡献。类激活图（CAMs）显示，血管旁弓状区是感兴趣区域。研究结果表明，与无偏头痛者相比，偏头痛患者表现出更多的微血管差异而非神经元差异。
引用
@article{arxiv.2408.07293,
title = {Discriminating retinal microvascular and neuronal differences related to migraines: Deep Learning based Crossectional Study},
author = {Feilong Tang and Matt Trinh and Annita Duong and Angelica Ly and Fiona Stapleton and Zhe Chen and Zongyuan Ge and Imran Razzak},
journal= {arXiv preprint arXiv:2408.07293},
year = {2024}
}