目的 對比分析免散瞳眼底數(shù)碼照相法和散瞳后直接用眼底鏡檢查法在篩查糖尿病視網(wǎng)膜病變（DR）的優(yōu)劣勢，為DR早期防治提供可靠而簡便易行的篩檢方法。 方法 對2010年12月－2011年6月就診的352例確診糖尿病患者進(jìn)行免散瞳眼底照相和普通眼底鏡檢查法檢查眼底后對比兩者在DR檢出率差異。免散瞳眼底照相使用日本Topcon TRC-NW300彩色數(shù)碼眼底照相機(jī)，所使用的眼底鏡型號為M374451。視網(wǎng)膜病變分級以2002年國際DR嚴(yán)重程度分級標(biāo)準(zhǔn)進(jìn)行分期。 結(jié)果 兩種方法測得352例患者眼底視網(wǎng)膜病變陽性結(jié)果為：數(shù)碼照相測得陽性總數(shù)61例（占17.33%），其中輕至中度非增殖性DR38例（占10.80%），重度至增殖性DR23例（占6.53%）。眼底鏡測得陽性總數(shù)60例（占17.05%），其中輕至中度非增殖性DR38例（占10.80%），重度至增殖性DR22例（占6.25%）。兩種方法的測得結(jié)果高度一致（P＞0.5）。 結(jié)論 免散瞳眼底數(shù)碼照相法和傳統(tǒng)散瞳后眼底鏡檢查法相比在篩查DR效果等同，但有著簡便易行、省時省力和檢查結(jié)果可保存的優(yōu)點(diǎn)，對患者進(jìn)行定期監(jiān)測對比和指導(dǎo)治療都有著重要意義。
目的觀察并探討家族性滲出性玻璃體視網(wǎng)膜病變（FEVR）不同分期的臨床眼底表現(xiàn)、造影特征。 方法對四川大學(xué)華西醫(yī)院2007年1月至2013年11月確診為FEVR的15例患者（23只患眼）的臨床資料、眼底檢查和熒光素眼底血管造影（FFA）報告進(jìn)行回顧性分析。 結(jié)果FEVR 1期1只眼，占4.35%；2期10只眼，占43.48%；3期8只眼，占34.78%；4期1只眼，占4.35%；5期3只眼，占13.04%。眼底檢查均可見周邊網(wǎng)膜血管分支增多、變細(xì)變直，顳側(cè)居多。FFA檢查可見近赤道部視網(wǎng)膜血管中止，周邊大片無灌注區(qū)。 結(jié)論不同分期FEVR有相應(yīng)的眼底及FFA改變，全面的眼底檢查及家族史采集有助于FEVR的診斷。
目的通過眼底照相對腦卒中患者的眼底病變進(jìn)行記錄，探討眼底病變與不同亞型腦卒中發(fā)生情況的相關(guān)性。方法登記 2007 年 6 月—10 月入住四川大學(xué)華西醫(yī)院神經(jīng)內(nèi)科的急性腦卒中患者。按照英國牛津郡社區(qū)腦卒中項(xiàng)目分型標(biāo)準(zhǔn)對腦梗死進(jìn)行分型，根據(jù)患者入院癥狀及影像學(xué)結(jié)果將腦出血患者進(jìn)行分型，并全面收集可能與卒中危險因素相關(guān)的其他臨床資料。記錄視網(wǎng)膜病變、動靜脈交叉征、小動脈狹窄等眼底改變情況。采用多因素 logistic 回歸分析眼底病變與腦卒中各亞型的獨(dú)立相關(guān)性。結(jié)果共納入符合標(biāo)準(zhǔn)且完成眼底照相檢查的腦梗死患者 199 例，腦出血患者 95 例。199 例腦梗死患者中發(fā)生視網(wǎng)膜病變 43 例（21.6%），動靜脈交叉 52 例（26.1%），小動脈狹窄 43 例（21.6%）。95 例腦出血患者中發(fā)生視網(wǎng)膜病變 23 例（24.2%），動靜脈交叉 14 例（14.7%），小動脈狹窄 25 例（26.3%）。以后循環(huán)腦卒中為對照，多因素分析結(jié)果顯示視網(wǎng)膜病變與部分前循環(huán)梗死（P=0.029）和前循環(huán)腦出血（P=0.041）的發(fā)生獨(dú)立相關(guān)。結(jié)論視網(wǎng)膜病變與部分前循環(huán)梗死和前循環(huán)腦出血的發(fā)生獨(dú)立相關(guān)。以社區(qū)人群為研究對象的大樣本研究需要進(jìn)一步明確眼底病變對前循環(huán)卒中的預(yù)測價值。
目的對比觀察炫彩激光掃描眼底成像（MSLI）和傳統(tǒng)彩色眼底照相（CFP）對糖尿病視網(wǎng)膜病變（DR）患眼常見各類病變的成像特點(diǎn)和檢出情況。方法前瞻性病例系列觀察研究。臨床檢查確診的DR患者38例72只眼納入研究。其中，男性21例，女性17例；平均年齡（62.6±11.2）歲；平均糖尿病病程（14.3±7.5）年。均行CFP、MSLI、頻域光相干斷層掃描（SD-OCT）、熒光素血管造影（FFA）檢查。采用德國Heidelberg公司Spectralis HRA+OCT行MSLI檢查，一次掃描同時獲得基于488 nm藍(lán)光反射（BR）、515 nm綠光反射（GR）、820 nm紅外光反射（IR）成像，合成炫彩圖像（MC）成像。對比觀察傳統(tǒng)CFP和MC對微動脈瘤（MA）、硬性滲出（HEX）、棉絨斑（CWS）、視網(wǎng)膜內(nèi)出血（IRH）、視網(wǎng)膜內(nèi)微血管異常（IRMA）、靜脈串珠（VB）、靜脈環(huán)（VL）、黃斑水腫（DME）、黃斑前膜（MEM）、激光光凝斑（LB）等檢出情況。以FFA檢查結(jié)果作為病變診斷標(biāo)準(zhǔn)，SD-OCT用于判斷病變位置和深度及DME和MEM的診斷參考。結(jié)果MC圖像對MA（χ2=10.460）、DME（（χ2=4.006）、MEM（χ2=4.444）的檢出眼數(shù)均顯著高于傳統(tǒng)CFP，差異有統(tǒng)計學(xué)意義（P＜0.05）；IRH（χ2=0.103）、CWS（χ2=1.515）、HEX（χ2=0.227.）、IRMA（χ2=0.051）、VB（χ2=0.001）、VL（χ2=0.149）、VH（χ2=0.693）、LB（χ2=0.720）的檢出眼數(shù)比較，差異無統(tǒng)計學(xué)意義（P＞0.05）。MSLI各模式成像質(zhì)量明顯好于傳統(tǒng)CFP。其中，GR成像對MA、CWS、HEX、MEM等視網(wǎng)膜淺中層結(jié)構(gòu)改變顯示最佳；IR成像對LB等視網(wǎng)膜深層顯示清晰。DME在MC像上以綠色呈現(xiàn)，IR成像上可見弱反射暗區(qū)；與SD-OCT檢查顯示的DME范圍一致。結(jié)論與傳統(tǒng)CFP比較，MSLI可更清晰顯示DR各類常見病變，MC圖像對MA、DME、MEM檢出高。
糖尿病視網(wǎng)膜病變（DR）是導(dǎo)致糖尿病患者視力損傷和失明的主要原因，尋求更簡便、安全、無創(chuàng)、高效的診查及監(jiān)控方法尤為重要。近年推出的多種新型眼底影像檢查技術(shù)在DR的早期診斷、指導(dǎo)治療和隨訪監(jiān)測中顯示出了獨(dú)特的優(yōu)勢。廣角激光掃描眼底成像系統(tǒng)具有免散瞳、快速、無創(chuàng)、成像范圍廣等特點(diǎn)，包括廣角眼底照相、超廣角FFA、廣角FAF等多種激光掃描模式，可通過不同波長成像定位病變位置。多光譜眼底分層成像系統(tǒng)可識別DR的微動脈瘤、視網(wǎng)膜出血、滲出等，因其無創(chuàng)、方便、快捷，已逐漸用于DR的篩查、診斷和隨訪。OCT血管成像技術(shù)可對黃斑中心凹無血管區(qū)面積、黃斑血流密度等進(jìn)行定量檢測，為臨床提供多元化的DR診斷依據(jù)和評估手段。這些新型眼底影像檢查技術(shù)的不斷完善將對建立個性化的DR評估體系提供重要的技術(shù)支持。
目的對比人工與人工智能分析對糖尿病患者眼底照相眼底病變判別的一致性。方法回顧性研究。2018年5月至2019年5月鄭州大學(xué)第一附屬醫(yī)院內(nèi)分泌科連續(xù)收治的糖尿病患者1053例2106只眼納入研究。其中，男性888例，女性165例；年齡20～70歲，平均年齡53歲。所有患者均采用日本Kowa無散瞳眼底照相機(jī)進(jìn)行眼底檢查。采用上工眼科云網(wǎng)篩查平臺人工智能分析自動檢測滲出、出血、微動脈瘤等糖尿病視網(wǎng)膜病變（DR）的特質(zhì)性病變，并根據(jù)DR國際分期標(biāo)準(zhǔn)對圖像檢測結(jié)果進(jìn)行自動分級。由兩位主治醫(yī)師進(jìn)行人工分析，并由主任醫(yī)師審核，以保證人工分析的準(zhǔn)確性。兩種分析方法分析結(jié)果存在差異時，以人工分析結(jié)果為標(biāo)準(zhǔn)。計算并對比兩種分析方法的一致率。一致率=（診斷結(jié)果相同眼數(shù)/總收集有效眼數(shù)）×100%。對人工分析和人工智能分析結(jié)果進(jìn)行Kappa一致性檢驗(yàn)，0.0≤κ＜0.2為一致性程度很差，0.2≤κ＜0.4為一致性較差，0.4≤κ＜0.6為一致性中等，0.6≤κ＜1.0為一致性較好。結(jié)果2106只眼中，排除因病情嚴(yán)重人工智能無法識別64只眼，最終納入分析2042只眼。人工分析與人工智能分析結(jié)果完全一致者1835只眼，占89.86%；分析有差異者207只眼，占10.14%。兩者差異主要表現(xiàn)為：（1）人工智能分析為點(diǎn)狀出血、滲出，而人工分析為正常96只眼（96/2042，4.70%）；（2）人工智能分析為玻璃膜疣，而人工分析為點(diǎn)狀滲出71只眼（71/2042，3.48%）；（3）人工智能分析為正?；虿Ａw變性，而人工分析為點(diǎn)狀滲出或出血或微動脈瘤40只眼（40/2042，1.95%）。人工分析、人工智能分析對DR的診斷率分別為23.2%、20.2%，對非DR的診斷率分別為76.8%、79.8%。人工智能判讀符合度達(dá)87.8%。Kappa一致性檢驗(yàn)結(jié)果顯示，人工分析和人工智能分析診斷結(jié)果呈中等一致性（κ=0.576，P＜0.01）。結(jié)論人工分析與人工智能分析對糖尿病患者眼底照相眼底病變判別呈中等一致性。人工智能判讀符合度達(dá)87.8%。
目的觀察糖尿病視網(wǎng)膜病變（DR）患眼周邊視網(wǎng)膜病變的分布特征。方法橫斷面研究。2019年1～12月于廣東省人民醫(yī)院眼科檢查確診的DR患者265例388只眼納入研究。其中，男性148例211只眼，女性117例177只眼；平均年齡（58.4±12.3）歲。采用英國歐堡Daytona行超廣角眼底成像（UWF）檢查。應(yīng)用Photoshop軟件模擬標(biāo)準(zhǔn)7方位（S7F）區(qū)域，并作為中央視網(wǎng)膜區(qū)域1～7；周邊視網(wǎng)膜區(qū)域3～7（P3～P7）分別為中央視網(wǎng)膜區(qū)域3～7相鄰的周邊視網(wǎng)膜區(qū)域。將DR分為周邊病變?yōu)橹餍停≒PL）及中央病變?yōu)橹餍停≒CL）。PPL定義為至少有1個周邊視網(wǎng)膜區(qū)域的病變較其相鄰的中央?yún)^(qū)域更嚴(yán)重。對不同DR分期患眼各視網(wǎng)膜區(qū)域中PPL構(gòu)成比差異進(jìn)行χ2檢驗(yàn)。結(jié)果388只眼中，PPL 200只眼（51.5%，200/388）。不同分期DR患眼PPL構(gòu)成比比較：輕度非增生型DR（NPDR）、中度NPDR、重度NPDR及增生型DR分別為32（36.8%，32/87)、89（55.3%，89/161）、42（51.9%，42/81）、37（62.6%，37/59）只眼，差異有統(tǒng)計學(xué)意義（χ2=11.440，P=0.010）。PPL在DR患眼中各視網(wǎng)膜區(qū)域分布狀況比較：PPL 200只眼中，區(qū)域3、4、5、6、7分別有87、101、78、67、38只眼。PPL在DR患眼中各視網(wǎng)膜區(qū)域分布狀況比較，差異有統(tǒng)計學(xué)意義（χ2=37.640，P＜0.001）。結(jié)論DR患眼中PPL占51.5%，且DR分期越嚴(yán)重，PPL占比越高；顳側(cè)視網(wǎng)膜周邊部病變最常見。
目的構(gòu)建一個小樣本超廣角眼底照相（UWFI）多疾病分類人工智能模型，初步探究人工智能對UWFI多病種分類任務(wù)的能力。 方法回顧性研究。2016年至2021年于武漢大學(xué)人民醫(yī)院眼科就診并行UWFI檢查的1 123例患者的1 608張圖像用于UWFI多疾病分類人工智能模型構(gòu)建。其中，糖尿病視網(wǎng)膜病變（DR）、視網(wǎng)膜靜脈阻塞（RVO）、病理性近視（PM）、視網(wǎng)膜脫離（RD）、正常眼底圖像分別為320、330、319、268、371張。來自天津醫(yī)科大學(xué)眼科醫(yī)院106例患者的135張圖像作為外部測試集。選取EfficientNet-B7作為主干網(wǎng)絡(luò)，對納入的UWFI圖像進(jìn)行分類分析。使用受試者工作特征曲線及曲線下面積（AUC）、靈敏度、特異性、準(zhǔn)確率評估分類模型在測試集上的表現(xiàn)，所有數(shù)據(jù)均使用數(shù)值及95%可信區(qū)間（CI）表達(dá)。將數(shù)據(jù)集在網(wǎng)絡(luò)模型ResNet50、ResNet101上進(jìn)行訓(xùn)練，并在外部測試集上進(jìn)行測試，對比觀察EfficientNet與上述兩種模型的性能。結(jié)果UWFI多疾病分類人工智能模型在內(nèi)部、外部測試集上的總分類準(zhǔn)確率分別為92.57%（95%CI 91.13%～92.92%）、88.89%（95%CI 88.11%～90.02%）。其中，正常眼底分別為96.62%、92.59%，DR分別為95.95%、95.56%，RVO分別為96.62%、98.52%，PM分別為98.65%、97.04%，RD分別為97.30%、94.07%。在內(nèi)部、外部測試集上的平均AUC分別為0.993、0.983。其中，正常眼底分別為0.994、0.939，DR分別為0.999、0.995，RVO分別為0.985、1.000，PM分別為0.991、0.993，RD分別為0.995、0.990。內(nèi)部、外部測試集上EfficientNet性能均較ResNet50、ResNet101模型更佳。結(jié)論初步構(gòu)建的小樣本UWFI多疾病分類人工智能模型對常見眼底疾病的分類水平較高，可能具有輔助臨床篩查及診斷的價值。
目的觀察特發(fā)性視網(wǎng)膜前膜（ERM）患眼視網(wǎng)膜動脈角的改變，初步分析動脈角與基于光相干斷層掃描（OCT）的ERM分級、視力的相關(guān)性。方法回顧性橫斷面臨床研究。2018年11月至2023年1月于浙江省人民醫(yī)院眼科及溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院杭州院區(qū)檢查確診的單眼特發(fā)性ERM（IERM）患者187例187只眼（IERM組）納入研究。將患者對側(cè)健康眼作為對照組。所有受檢眼均行最佳矯正視力（BCVA）、眼底彩色照相、譜域OCT、OCT血管成像（OCTA）檢查以及眼軸長度（AL）測量。采用標(biāo)準(zhǔn)對數(shù)視力表行BCVA檢查，統(tǒng)計時換算為最小分辨角對數(shù)（logMAR）視力；采用OCTA儀測量黃斑中心凹無血管區(qū)（FAZ）面積；譜域OCT測量黃斑中心凹厚度（CMT）。參照文獻(xiàn)中心凹內(nèi)層異位的分級標(biāo)準(zhǔn)將ERM分為1～4級，分別為42、45、62、38只眼，并據(jù)此將IERM組再分為1級組、2級組、3級組、4級組。應(yīng)用Image J軟件在彩色眼底像上測量視網(wǎng)膜動脈角及1/2視網(wǎng)膜動脈角。多元線性回歸分析BCVA與動脈角、1/2動脈角、CMT、FAZ面積、AL之間的相關(guān)性。結(jié)果與對照組比較，IERM組患眼BCVA降低（t=9.727）、CMT增厚（t=12.452），F(xiàn)AZ面積縮小（t=－14.329）以及動脈角（t=－9.165）、1/2動脈角（t=－9.549）減小，差異均有統(tǒng)計學(xué)意義（P＜0.001）。隨IERM分級增大，動脈角、1/2動脈角顯著減?。‵=21.763、12.515，P＜0.001）。其中，1級組與2級組動脈角及1/2動脈角、2級組與3級組1/2動脈角比較，差異均無統(tǒng)計學(xué)意義（P＞0.05）；其余各級組間動脈角、1/2動脈角比較，差異均有統(tǒng)計學(xué)意義（P＜0.05）。IERM組不同分級亞組間CMT、 logMAR BCVA比較，差異均有統(tǒng)計學(xué)意義（P＜0.05）。3級組與4級組之間FAZ面積比較，差異無統(tǒng)計學(xué)意義（P＞0.05）；其余各級組間FAZ面積比較，差異均有統(tǒng)計學(xué)意義（P＜0.05）。相關(guān)性分析結(jié)果顯示，動脈角減?。≒=0.013）、CMT增厚（P＜0.001）與BCVA降低相關(guān)。結(jié)論與健康眼比較，隨ERM分級增大，動脈角顯著減小；動脈角減小與IERM患眼視力降低相關(guān)。