期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
利用深度学习探讨LDL-C对视网膜动脉硬化进展的影响及其阈值效应
1
作者
罗澜
孙摇遥
+6 位作者
周思锦
姚昱欧
张胜楠
马彤
琚烈
常献刚
赵明威
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024年第12期1127-1133,共7页
目的利用深度学习探讨低密度脂蛋白胆固醇(LDL-C)对视网膜动脉硬化进展的影响及其阈值效应。方法采用队列研究方法,收集2016年1月至2023年8月在北京怡健殿诊所进行体检的1928人的临床资料,包括一般情况、体格检查、血清学检查及彩色眼...
目的利用深度学习探讨低密度脂蛋白胆固醇(LDL-C)对视网膜动脉硬化进展的影响及其阈值效应。方法采用队列研究方法,收集2016年1月至2023年8月在北京怡健殿诊所进行体检的1928人的临床资料,包括一般情况、体格检查、血清学检查及彩色眼底照相,利用深度学习模型统一识别视网膜动脉硬化情况。按照LDL-C水平进行五等分分组,其中第1分组(0.64~1.90 mmol/L)389人,第2分组(1.91~2.26 mmol/L)387人,第3分组(2.27~2.57 mmol/L)384人,第4分组(2.58~2.95 mmol/L)385人,第5分组(2.96~6.06 mmol/L)383人。采用Logistic回归分析及限制性立方样条(RCS)回归模型分析LDL-C水平与视网膜动脉硬化进展的关联性以及剂量-反应关系。结果在平均随访时间(66.84±6.58)个月中,视网膜动脉硬化进展的发生率为22.10%(426/1928)。第1、2、3、4、5分组受试者眼底情况出现进展的比例分别为15.68%(61/389)、21.71%(84/387)、21.35%(82/384)、25.71%(99/385)和26.11%(100/383),总体比较差异有统计学意义(χ^(2)=15.97,P=0.003)。以LDL-C第1分组作为参照,LDL-C 2.58~2.95 mmol/L是视网膜动脉硬化进展的独立危险因素(OR=1.52,95%CI:1.04~2.22)。RCS分析显示两者呈“L”型关联。LDL-C对于视网膜动脉硬化的影响呈现阈值效应,当LDL-C<2.34 mmol/L时,视网膜动脉硬化进展风险随LDL-C水平升高而增加(OR=1.97,95%CI:1.10~3.62),当LDL-C≥2.34 mmol/L时风险趋于平缓。结论LDL-C对视网膜动脉硬化进展的影响具有阈值效应,阈值为2.34 mmol/L。
展开更多
关键词
视网膜
动脉硬化
深度学习
低密度脂蛋白胆固醇
在线阅读
下载PDF
职称材料
基于人工智能模型量化视网膜血管特征参数预测子痫前期的可行性研究
被引量：
2
2
作者
周天凡
邵飞雪
+3 位作者
万盛
周晨晨
周思锦
花晓琳
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024年第5期552-559,共8页
目的·基于人工智能(artificial intelligence,AI)模型,探讨视网膜血管特征参数在子痫前期(preeclampsia,PE)中的预测能力。方法·回顾性纳入2020年6月-2021年1月在妊娠16周前于同济大学附属妇产科医院建卡、规律产检、行眼底...
目的·基于人工智能(artificial intelligence,AI)模型,探讨视网膜血管特征参数在子痫前期(preeclampsia,PE)中的预测能力。方法·回顾性纳入2020年6月-2021年1月在妊娠16周前于同济大学附属妇产科医院建卡、规律产检、行眼底图像拍摄并于该院分娩的789例单胎活产孕妇。根据孕妇是否发生妊娠期高血压疾病(hypertensive disorders of pregnancy,HDP),将其分为正常妊娠组(n=685)和HDP组(n=104);根据是否发生PE,将HDP组分为妊娠期高血压(gestational hypertension,GH)组(n=36)和PE组(n=68);且根据发病孕周,将PE组分为早发型PE组(发病孕周<34周)和晚发型PE组(发病孕周≥34周)。获取入组孕妇的眼底图像,利用AI算法诊断眼底病变特征、量化视网膜血管特征参数并对眼底特征、视网膜血管特征参数进行比较分析。采用单因素Logistic回归模型分析PE发生的影响因素,并采用多因素Logistic回归模型进一步评估视网膜血管特征参数等与PE发生的相关性。采用受试者操作特征曲线(receiver operator characteristic curve,ROC curve,ROC曲线)的曲线下面积(area under the curve,AUC)分析视网膜血管特征参数等对PE(早发型PE和晚发型PE)的预测能力。结果·眼底特征及视网膜血管特征参数的分析结果显示,正常妊娠组和PE组孕妇的视网膜中央动脉直径等效值(central retinal artery equivalent,CRAE)、视网膜中央静脉直径等效值(central retinal vein equivalent,CRVE)、视网膜动静脉比值(arteriole-to-venular ratio,AVR)、视网膜动脉弯曲度和视网膜动脉分形维数间差异具有统计学意义(均P<0.05)。单因素Logistic回归分析显示,孕中期平均动脉压(mean arterial pressure,MAP)、孕中期胎儿估计体质量(estimated fetal weight,EFW)、CRAE、CRVE、AVR、视网膜动脉弯曲度和视网膜动脉分形维数是PE发生的影响因素(均P<0.05)。多因素Logistic回归分析显示,孕中期EFW、CRAE、CRVE、AVR、视网膜动脉弯曲度和视网膜动脉分形维数是PE发生的保护因素,孕中期MAP是其危险因素(均P<0.05)。ROC曲线的分析结果显示,母体危险因素+孕中期产检资料(包括MAP和EFW)+视网膜血管特征参数模型对PE预测能力较好[AUC(95%CI)=0.784(0.725‒0.843)],且其对早发型PE的预测能力更优[AUC(95%CI)=0.840(0.756‒0.924)]。结论·使用基于AI模型量化的视网膜血管特征参数联合母体危险因素、孕中期产检资料(包括MAP和EFW)能够较好地预测PE(特别是早发型PE)的发生。
展开更多
关键词
子痫前期
视网膜血管
人工智能
在线阅读
下载PDF
职称材料
题名
利用深度学习探讨LDL-C对视网膜动脉硬化进展的影响及其阈值效应
1
作者
罗澜
孙摇遥
周思锦
姚昱欧
张胜楠
马彤
琚烈
常献刚
赵明威
机构
北京
大学人民医院眼科
北京鹰瞳科技发展股份有限公司
北京
怡健殿诊所
有限公司
出处
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024年第12期1127-1133,共7页
基金
国家重点研发计划(2020YFC2008200)
国家自然科学基金(81800847)。
文摘
目的利用深度学习探讨低密度脂蛋白胆固醇(LDL-C)对视网膜动脉硬化进展的影响及其阈值效应。方法采用队列研究方法,收集2016年1月至2023年8月在北京怡健殿诊所进行体检的1928人的临床资料,包括一般情况、体格检查、血清学检查及彩色眼底照相,利用深度学习模型统一识别视网膜动脉硬化情况。按照LDL-C水平进行五等分分组,其中第1分组(0.64~1.90 mmol/L)389人,第2分组(1.91~2.26 mmol/L)387人,第3分组(2.27~2.57 mmol/L)384人,第4分组(2.58~2.95 mmol/L)385人,第5分组(2.96~6.06 mmol/L)383人。采用Logistic回归分析及限制性立方样条(RCS)回归模型分析LDL-C水平与视网膜动脉硬化进展的关联性以及剂量-反应关系。结果在平均随访时间(66.84±6.58)个月中,视网膜动脉硬化进展的发生率为22.10%(426/1928)。第1、2、3、4、5分组受试者眼底情况出现进展的比例分别为15.68%(61/389)、21.71%(84/387)、21.35%(82/384)、25.71%(99/385)和26.11%(100/383),总体比较差异有统计学意义(χ^(2)=15.97,P=0.003)。以LDL-C第1分组作为参照,LDL-C 2.58~2.95 mmol/L是视网膜动脉硬化进展的独立危险因素(OR=1.52,95%CI:1.04~2.22)。RCS分析显示两者呈“L”型关联。LDL-C对于视网膜动脉硬化的影响呈现阈值效应,当LDL-C<2.34 mmol/L时,视网膜动脉硬化进展风险随LDL-C水平升高而增加(OR=1.97,95%CI:1.10~3.62),当LDL-C≥2.34 mmol/L时风险趋于平缓。结论LDL-C对视网膜动脉硬化进展的影响具有阈值效应,阈值为2.34 mmol/L。
关键词
视网膜
动脉硬化
深度学习
低密度脂蛋白胆固醇
Keywords
Retina
Arteriosclerosis
Deep learning
Low density lipoprotein cholesterol
分类号
R774.1 [医药卫生—眼科]
在线阅读
下载PDF
职称材料
题名
基于人工智能模型量化视网膜血管特征参数预测子痫前期的可行性研究
被引量：
2
2
作者
周天凡
邵飞雪
万盛
周晨晨
周思锦
花晓琳
机构
同济大学附属妇产科医院产科
北京鹰瞳科技发展股份有限公司
出处
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024年第5期552-559,共8页
基金
上海市卫生健康学科带头人培养计划(2022XD004)
上海市“科技创新行动计划”医学创新研究专项(23Y11909400)。
文摘
目的·基于人工智能(artificial intelligence,AI)模型,探讨视网膜血管特征参数在子痫前期(preeclampsia,PE)中的预测能力。方法·回顾性纳入2020年6月-2021年1月在妊娠16周前于同济大学附属妇产科医院建卡、规律产检、行眼底图像拍摄并于该院分娩的789例单胎活产孕妇。根据孕妇是否发生妊娠期高血压疾病(hypertensive disorders of pregnancy,HDP),将其分为正常妊娠组(n=685)和HDP组(n=104);根据是否发生PE,将HDP组分为妊娠期高血压(gestational hypertension,GH)组(n=36)和PE组(n=68);且根据发病孕周,将PE组分为早发型PE组(发病孕周<34周)和晚发型PE组(发病孕周≥34周)。获取入组孕妇的眼底图像,利用AI算法诊断眼底病变特征、量化视网膜血管特征参数并对眼底特征、视网膜血管特征参数进行比较分析。采用单因素Logistic回归模型分析PE发生的影响因素,并采用多因素Logistic回归模型进一步评估视网膜血管特征参数等与PE发生的相关性。采用受试者操作特征曲线(receiver operator characteristic curve,ROC curve,ROC曲线)的曲线下面积(area under the curve,AUC)分析视网膜血管特征参数等对PE(早发型PE和晚发型PE)的预测能力。结果·眼底特征及视网膜血管特征参数的分析结果显示,正常妊娠组和PE组孕妇的视网膜中央动脉直径等效值(central retinal artery equivalent,CRAE)、视网膜中央静脉直径等效值(central retinal vein equivalent,CRVE)、视网膜动静脉比值(arteriole-to-venular ratio,AVR)、视网膜动脉弯曲度和视网膜动脉分形维数间差异具有统计学意义(均P<0.05)。单因素Logistic回归分析显示,孕中期平均动脉压(mean arterial pressure,MAP)、孕中期胎儿估计体质量(estimated fetal weight,EFW)、CRAE、CRVE、AVR、视网膜动脉弯曲度和视网膜动脉分形维数是PE发生的影响因素(均P<0.05)。多因素Logistic回归分析显示,孕中期EFW、CRAE、CRVE、AVR、视网膜动脉弯曲度和视网膜动脉分形维数是PE发生的保护因素,孕中期MAP是其危险因素(均P<0.05)。ROC曲线的分析结果显示,母体危险因素+孕中期产检资料(包括MAP和EFW)+视网膜血管特征参数模型对PE预测能力较好[AUC(95%CI)=0.784(0.725‒0.843)],且其对早发型PE的预测能力更优[AUC(95%CI)=0.840(0.756‒0.924)]。结论·使用基于AI模型量化的视网膜血管特征参数联合母体危险因素、孕中期产检资料(包括MAP和EFW)能够较好地预测PE(特别是早发型PE)的发生。
关键词
子痫前期
视网膜血管
人工智能
Keywords
preeclampsia(PE)
retinal vessel
artificial intelligence(AI)
分类号
R714.7 [医药卫生—妇产科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
利用深度学习探讨LDL-C对视网膜动脉硬化进展的影响及其阈值效应
罗澜
孙摇遥
周思锦
姚昱欧
张胜楠
马彤
琚烈
常献刚
赵明威
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于人工智能模型量化视网膜血管特征参数预测子痫前期的可行性研究
周天凡
邵飞雪
万盛
周晨晨
周思锦
花晓琳
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
