摘要目的:与使用光学相干性层析成像(OCT)和OCT血管造影(OCTA)相比,与具有正常认知的对照组相比,用Lewy身体(DLB)评估具有Lewy身体(DLB)的个体的视网膜和脉络膜微脉管和结构。方法:进行了DLB和认知正常对照患者的机构审查委员会批准的横断面比较。使用Angioplex(Carl Zeiss Meditec)的Cirrus HD-OCT 5000获得OCT和OCTA图像。结果:分析了18例DLB患者的34例和48位认知正常患者的眼睛。DLB组的平均毛细血管灌注密度(CPD)高于对照组(p = .005)。DLB组的平均毛细血管通量指数(CFI)和神经节细胞内侧层(GC-ILP)厚度低于对照组(分别为P = .016和P = .040)。结论:与正常认知患者相比,DLB患者的周围乳腺CPD增加了,CFI下周围CFI降低和GC-IPL厚度减弱。
抽象背景/旨在开发卷积神经网络(CNN),以使用多模式视网膜图像和患者数据的组合来检测有症状的阿尔茨海默氏病(AD)。神经节细胞内丛形层(GC-ILP)的颜色图,浅表毛细血管(SCP)光学相干性断层造影血管造影(OCTA)图像以及超宽场(UWF)颜色和底面自动荧光荧光(FAF)扫描Laser ophthalmoscoppy与AD cagection cage cactition cackition caction cactition caction cactition。使用多模式的视网膜图像,OCT和八A定量数据以及患者数据开发了用于预测AD诊断的CNN。结果284位159名受试者的眼睛(来自123名认知健康受试者的222只眼睛和来自36名AD受试者的62只眼睛)用于开发模型。Area under the receiving operating characteristic curve (AUC) values for predicted probability of AD for the independent test set varied by input used: UWF colour AUC 0.450 (95% CI 0.282, 0.592), OCTA SCP 0.582 (95% CI 0.440, 0.724), UWF FAF 0.618 (95% CI 0.462, 0.773), GC-IPL地图0.809(95%CI 0.700,0.919)。模型包含所有图像,定量数据和患者数据(AUC 0.836(CI 0.729,0.943))的执行方式类似于仅包含所有图像的模型(AUC 0.829(95%CI 0.719,0.939))。GC-ipl图,定量数据和患者数据AUC 0.841(95%CI 0.739,0.943)。结论我们的CNN使用多模式视网膜图像在独立的测试集中成功预测了症状AD的诊断。GC-ipl地图是预测最有用的单个输入。模型仅包括与模型相似的图像,包括定量数据和患者数据。
执行摘要 洛杉矶 - 圣地亚哥 - 圣路易斯奥比斯波 (LOSSAN) 铁路走廊管理局 (LOSSAN) 是一家联合权力机构 (JPA),成立于 1989 年,致力于提高圣地亚哥、洛杉矶和圣路易斯奥比斯波之间铁路走廊的客流量、收入、容量、可靠性、协调性和安全性。2012 年 9 月 29 日,州长杰里·布朗签署了参议院法案 (SB) 1225(2012 年法规第 802 章),授权 LOSSAN 机构监督在 LOSSAN 铁路走廊上运营的州政府支持的太平洋冲浪者城际客运铁路服务,但须经加利福尼亚州批准机构间转让协议 (ITA)。 ITA 于 2015 年 7 月 1 日生效,目前有效期至 2021 年 6 月 30 日。奥兰治县交通局 (OCTA) 是 LOSSAN 机构的管理机构,并提供 LOSSAN 机构与 OCTA 之间的行政支持协议 (ASA) 中概述的管理和行政支持。Pacific Surfliner 服务沿着 351 英里的沿海铁路走廊穿越南加州的六个县:圣地亚哥、奥兰治、洛杉矶、文图拉、圣巴巴拉和圣路易斯奥比斯波。它目前是美国第二繁忙的城际客运铁路走廊,也是最繁忙的州支持 Amtrak 路线。LOSSAN 机构由董事会 (Board) 管理,董事会由 11 名代表 LOSSAN 铁路走廊沿线的铁路所有者、运营商和规划机构的投票成员以及四名无投票权的当然成员组成,如下所述。成员机构 • 圣地亚哥都会交通系统 (SDMTS) • 圣地亚哥政府协会 (SANDAG) • 北县交通区 (NCTD) • OCTA • 河滨县交通委员会 (RCTC) • 洛杉矶县都会交通局 (Metro) • 文图拉县交通委员会 (VCTC) • 圣巴巴拉县政府协会 (SBCAG) • 圣路易斯奥比斯波政府委员会 (SLOCOG)
结果:共分析了10709篇参考文献,研究期内论文数量持续增加。美国的h指数和引用频率最高,贡献最大。中国是论文最多的国家,共发表3168篇论文。伦敦大学的论文产量最高。论文产量排名前三的期刊均来自美国,其中Investigative Ophthalmology Visual Science的论文数量最多。Gulshan等的文章(2016年;同引次数,2897)具有代表性和象征性。该领域的主要研究主题是发病率、发病机制、治疗和人工智能(AI)。深度学习、模型、生物标志物和DR的光学相干断层扫描血管造影(OCTA)是前沿热点。
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。
心脏病仍然是美国的第一大死亡原因。基于深度学习的人工智能 (AI) 方法在研究心血管疾病的各种因素中变得越来越普遍。使用视网膜扫描技术诊断视网膜疾病(如糖尿病视网膜病变、老年性黄斑变性、青光眼等)的使用已得到广泛记录,使用眼底照片和光学相干断层扫描血管造影 (OCTA)。研究人员现在正在寻求将 AI 的强大功能与视网膜扫描的非侵入性便捷性相结合,以检查心脏的运作并根据微血管的特征和功能预测大血管的变化。在这篇综述中,我们总结了使用视网膜成像诊断心血管问题和其他疾病领域的现状。
2018; Tirelli等,2018)。特定的血管密度,直径和曲折被发现(Ravi等,1998; Djaberi等,2013; Sasahira和Kirita,2018)。在这种情况下,OSCC病变中微脉管系统的研究已成为有前途的诊断途径。用于评估口腔微举行的成像模式在过去十年中已有显着发展,并且包括高频超声(Huang等,2017; Fogante等,2022),实时光学血管成像(RTOVI)(RTOVI)(RTOVI)(RTOVI)(Bastos等,20222)和视频。但是,与光学成像技术相比,高频超声受其分辨率的限制,而RTOVI受到限制性视野的挑战。视频 - 毛细管镜检查仅具有浅渗透深度,因为使用可见光进行成像。这些限制可能会影响这些技术在OSCC最早阶段捕获细微的血管变化的能力。因此,迫切需要更先进的非侵入性成像技术,这些技术可以准确地可视化和量化OSCC中的微血管变化,从而促进早期和更有效的诊断。基于光学连贯性层析成像(OCT)的血管造影(OCTA)是成像技术中相对较新的创新,已针对口服诊断的应用开发(Choi和Wang,2014; Chen and Wang,2017; Tsai等,2017; Le等,2018; 2022; 2022; 2022; Wei et al an e e et al。,2018 al。这些指标可以在表征各种血管疾病方面带来进步。作为一种非侵入性成像技术,Octa提供了微血管结构的高分辨率,三维视图,而无需对比度(Kashani等,2017)。该技术是基于捕获红细胞对比的原理,从而提供了组织内血流的详细图像(Chen and Wang,2017)。这些新兴应用突出了Octa在口腔医疗保健中的重要意义,为基于成像的口腔疾病评估提供了新的领域。八八颗,这种非侵入性功能成像技术在口服成像中表现出了承诺,仍然需要对捕获的口腔血管造影的客观评估技术。在其他应用中已经实施了对OCT血管造影的定量评估,例如心脏病学(Xie等,2024),皮肤病学(Untracht等,2021; Manfredini等,2023),2023年,2023年)和眼科(Reif等,2012; Agemy et al。et al.,2015年; Engberg等人,2020年;For the analysis of microvascular structures, the aforementioned studies introduced several parameters, such as vessel area density (VAD) ( Reif et al., 2012 ; Jia et al., 2015 ), vessel skeleton density (VSD) ( Reif et al., 2012 ; Agemy et al., 2015 ), vessel diameter index (VDI) ( Chu et al., 2016 ), and tortuosity index (Ti)(Lee等,2018; Martelli和Giacomozzi,2021)。VDI可以通过分析血管的平均直径进一步贡献(Chu等,2016)。vad通过测量血管占据的面积(2012; Jia等,2015; Chu等,2016),提供了对血管网络密度的见解,而VSD则重点介绍这些容器的长度,从而提供了不同的观点,提供了不同的观点(Reif等人(Reif等人)(Reif等人,2012年,2012年; Agemem et egemem et al。这些参数对于识别和量化可能表明疾病存在或进展的细微血管变化至关重要。但是,重要的是要注意,这些参数中的每一个都可能只有
最新出版物基于不同的生物标志物的组合,例如视力,21-23 Imagological Biomarkicer(视网膜图,24-28多色技术,29-31 SD-CT,32-75 Octa 76-88和宽阔技术)89-98与新知识相结合o氏和预测值119增加了多模式评估的整合,以对DR的更有效的诊断和治疗方法。根据最新的知识,RD分类仅基于RD(Etdrs-drss(Drss-betic视网膜病变严重程度分类)24,121和国际临床分类)122,越来越多,不允许对象的目标和周长灌注,麦克拉,麦克拉,麦克拉,不断变化以及玻璃体玻璃体界面状态的影响。对于相同的DRSS评分,在DR和黄斑水肿的发展中隐含的主要途径的患病率不同:缺血,水肿或视网膜神经变性,在复杂的多因素疾病的概念中,具有诸如RD之类的全身影响。123
本文概述了 Interleaf 于 10 月 3 日在 Seybald Computer Pubitshmg 会议上宣布其全新 Interleaf 5 技术。尽管它看起来很像 TPS,但 Interleaf 5 对 CQ1tl pa1ly 来说是一个根本性的转变。 RP 和其他一些为其添加特性的 TPS,Interleaf 将其分开,并构建了一个可编程组件的结构,这些组件可以以多种方式绑定在一起,可供用户或其他访问者访问。模块的一个核心 CQ1tlpa1l C1lt 是定制系统任何方面的能力——evm ta 程序是一个文档,可以做某些事情,ws rvt 操作员 mt ervC1ltion,IVhat 叶称为“活动文档<”。在 "",!- it im '!几个关键更改是在 RVt ll m abie b 和 terl eaf 下进行的,以使其 AFHV 与临时操作 C1I 保持一致酒品。为了及时发布该消息,我在广告中准备了这个故事,基于它的国际!我