日前，國際知名學術期刊《科學報告》發表了由山東第一醫科大學青島眼科醫院等機構聯合完成的一項重要研究成果，該研究利用深度學習技術實現了近視患者眼底特征的自動化測量與分析，為近視的早期發現與病情監測提供了新的科學依據。
隨著全球近視發病率的急劇上升，特別是在東亞地區，近視已成為影響公眾視力健康的主要問題之一。據預測，到2050年，全球近一半人口將受到近視影響，其中近一成將發展為高度近視。
然而，傳統的眼底特征評估方法依賴人工分級，存在主觀性強、效率低下等局限性，難以滿足大規模近視監測的需求。
針對這一挑戰，研究團隊創新性地開發了兩種基于深度學習的分割模型——FT-Seg和OD-Seg。
FT-Seg模型通過引入顏色通道校準算法，顯著提高了眼底網格（FT）的分割精度，實現了對FT密度的自動化量化。
而OD-Seg模型則能夠同時分割視盤（OD）、視盤旁萎縮區（PPA）和黃斑區，并計算相關區域的形態學特征。
研究團隊利用這兩款模型，對584名年輕近視患者的1025張眼底圖像進行了深入分析。
結果顯示，高度近視患者的FT密度和OD形態學特征與輕中度近視患者存在顯著差異。進一步的相關性分析表明，FT密度和OD特征與近視的嚴重程度及多項眼部參數密切相關，包括等效球鏡度數、眼軸長度等。
據悉，該研究不僅展示了深度學習在眼科醫學領域的巨大潛力，還為近視的早期診斷和病情監測提供了自動化、客觀化的新工具。通過量化眼底特征，醫生能夠更準確地評估近視的嚴重程度，及時制定干預措施，從而有效延緩近視的進展。此外，該研究還為近視的發病機制研究提供了新的視角，有助于開發更加個性化的治療方案。
該研究得到了國家自然科學基金等項目的資助。該成果的發表標志著我國在近視研究領域取得了新的突破，為全球近視防控事業貢獻了中國智慧。
相關論文信息：
https://doi.org/10.1038/s41598-024-80090-1