机构名称：
¥ 1.0
摘要引入糖尿病性视网膜病（DR）是工人年龄成年人可预防失明的主要原因，主要由慢性高血糖的眼微血管并发症驱动。理解眼睛和疾病进展之间的微血管变化之间的复杂关系带来了挑战，假设线性或后勤关系的传统方法可能无法充分捕获这些变化与疾病进展之间的复杂相互作用。因此，这项研究的目的是通过实施非参数机器学习方法来评估糖尿病（DM）和非增殖DR的微血管受累。研究设计和方法我们进行了一项回顾性队列研究，其中包括从健康组（196眼）收集的光学相干断层扫描（OCTA）图像，DM NO DR组（120眼），一个温和的DR组（71只眼睛）和一个适度的DR组（66只眼睛）。我们实施了一种非参数机器学习方法，用于四个分类任务，该任务使用了从八粒图像中提取的参数作为预测因素：DM no no DR与健康，轻度DR与DM NO DR，中度DR与轻度DR相比，以及任何DR与DR相比。 Shapley添加说明值用于确定这些参数在分类中的重要性。结果，我们发现大型绒毛膜流量缺陷对健康而言与DM NO DR是最重要的，并且在轻度或中度DR的眼睛中变得不那么重要。浅表微脉管系统对于健康与DM NO DR和温和的DR与中度DR任务非常重要，但对于DM NO DR与轻度DR任务而言，这是深层微脉管系统起着重要作用的阶段。凹起的血管区度量通常受到的影响较小，但随着DR的恶化，其参与增加了。结论这项研究的结果为DM和DR的微血管参与提供了宝贵的见解，从而促进了早期检测方法和干预策略的发展。
糖尿病性视网膜病中的眼部微血管并发症
主要关键词
相关文件推荐
