摘要
第一部分基于超广角眼底图像的高度近视脉络膜视网膜萎缩的临床研究 目的:探讨高度近视脉络膜视网膜萎缩和视乳头改变的临床特征，及临床和眼底特征对脉络膜视网膜萎缩和视力损害的预测性。 对象与方法:本研究纳入复旦大学附属眼耳鼻喉科医院视光中心高度近视患者239例239眼。患者平均年龄31.67±8.23岁，眼轴长为29.54±2.51mm,等效球镜度数-13.98±5.39D,logMAR最佳矫正视力为0.17±0.25。患者进行常规眼科检查和超广角眼底成像。基于眼底图片计算弥漫型脉络膜视网膜萎缩（DCA）、斑片型脉络膜视网膜萎缩（PCA）和环视乳头结构特征。将DCA分为四种亚型:累及黄斑及视乳头（类型A）;仅累及黄斑（类型B）;环视乳头（类型C）;其他（类型D）。根据年龄、眼轴、等效球镜、最佳矫正视力分组。使用两样本T检验或Mann-WhitneyU检验两组间差异。应用多因素logistic回归分析高度近视萎缩性病变危险因素。使用Spearman相关系数检验两变量间关系。应用ROC曲线验证预测性，计算最佳阈值和敏感度及特异度。P＜0.05为有统计学差异。 结果:年龄、眼轴、等效球镜是DCA和PCA的共同危险因素。DCA面积与logMAR最佳矫正视力正相关（R=0.22,P=0.013）;与年龄、眼轴、等效球镜无线性相关性。DCA距黄斑中心凹距离与年龄（R=-0.30,P＜0.001）、眼轴（R=-0.34,P＜0.001）、logMAR最佳矫正视力（R=-0.30,P＜0.001）负相关，与等效球镜正相关（R=0.26,P=0.004）。不同DCA分型的年龄、眼轴、等效球镜、最佳矫正视力、萎缩面积和萎缩至黄斑中心凹距离有显著性差异（均P＜0.05）。PCA萎缩面积与logMAR最佳矫正视力成正相关（R=0.42,P=0.007）。PCA至黄斑中心凹距离与年龄、眼轴、等效球镜、最佳矫正视力均无线性关系，但随眼轴增长和等效球镜度数升高呈下降趋势。视乳头旁萎缩（PPA）面积、PPA-视盘鼻侧距离（PND)、PPA-视盘颞侧距离（PTD）、PPA-黄斑中心凹距离（PMD）与四种临床指标均有显著线性关系（均P＜0.001）。视盘面积与年龄（P=0.012)、眼轴（P＜0.001）、logMAR最佳矫正视力（P＜0.001）正相关，与等效球镜负相关（P＜0.001）;盘沿面积相似（均P＜0.001）。杯盘比与眼轴负相关（P=0.008)，与等效球镜正相关（P=0.002）。视盘倾斜与眼轴（P=0.002）、logMAR最佳矫正视力（P=0.009）负相关，与等效球镜（P=0.008）正相关。视盘扭转与眼轴负相关（P=0.017）。眼轴、等效球镜、PPA面积、PND、PTD、PMD对DCA有较高预测性，最佳阈值分别为28.89mm、-13.375D、0.945PD2、0.058PD、0.556PD和0.767DFD。眼轴和等效球镜对PCA有较高预测性，最佳阈值分别为30.92mm和-15.375D。DCA面积、DCA至黄斑中心凹距离、PPA面积、PND、PTD、PMD对最佳矫正视力损害有较好的预测性，最佳阈值分别为11.65PD2、0.009DFD、1.396PD2、0.134PD、0.716PD、0.618DFD。PCA面积和PCA距黄斑距离对视力损害预测性较DCA弱，最佳阈值为0.027PD2和2.976DFD。 小结:年龄、眼轴、等效球镜、最佳矫正视力是脉络膜视网膜萎缩和视乳头改变的相关临床特征;眼轴、等效球镜和视乳头旁萎缩可有效预测近视萎缩性病变及视力损害。 第二部分基于超广角眼底图像的高度近视脉络膜视网膜萎缩长期临床研究 目的:探究高度近视脉络膜视网膜萎缩长期变化特点及危险因素。 对象与方法:前瞻性研究。纳入2016年1月至2017年12月于复旦大学附属眼耳鼻喉科医院视光中心初诊的高度近视患者90例177眼（男∶女=2∶7）。初访时患者年龄28.47±6.51岁，眼轴27.70±2.01mm，等效球镜-10.79±4.03D,最佳矫正视力0.03±0.17。随访平均5至6年。患者行常规眼科检查及超广角眼底成像。根据初诊情况将患者分为无近视萎缩性病变组、弥漫型萎缩（DCA）组和斑片型萎缩（PCA）组。对比前后的超广角眼底图像判断是否有新发病变或原有病变进展。使用卡方检验及Wilcoxon秩和检验评估分类变量和连续变量的组间差异。使用广义估计方程矫正的Logistic回归分析病变进展的危险因素。P＜0.05为有统计学差异。 结果:初诊无近视萎缩组13眼出现新发DCA病变（占11.21％）,无PCA病变。新发DCA病变组初诊时近视程度和眼底视盘倾斜高于无进展组（均P＜0.05）。无萎缩性病变向DCA进展的危险因素为眼轴（OR:15.8,P=0.019）、等效球镜（OR:0.074,P=0.023）、视盘倾斜（模型1:OR:0.078,P=0.005;模型2:OR:0.051,P=0.008）。初诊时DCA共55眼，有34眼DCA继续进展（61.82％）,6眼出现新发PCA病变（10.90％）。与DCA无进展患者相比，DCA继续进展患者等效球镜度数更深（P=0.027），最佳矫正视力更差（P=0.012）;PPA面积（P=0.025）和PND更大（P=0.018）。DCA继续进展的危险因素为等效球镜（OR:0.518,P=0.045）,PND（OR:3.390,P=0.033）。DCA出现新发PCA的患者初诊时年龄更大（P=0.017），等效球镜度数深（P=0.030），眼轴长（P=0.004）,DCA面积大（P=0.001），DCA-黄斑中心凹距离近（P=0.007），PPA面积大（P=0.010）。新发PCA的危险因素为年龄（OR:3.437,P=0.014）,等效球镜（OR:0.366,P=0.030）,眼轴（OR:2.929,P=0.045）,PPA面积（OR:2.210,P=0.026）,PND（OR:2.284,P=0.024）。初诊时PCA共6眼，有3眼PCA继续进展（50％）。PCA进展患者年龄更大（P=0.049）,PPA面积更大（P＜0.001）。 小结:已出现脉络膜视网膜萎缩的患者易出现新发病变或进展;年龄、眼轴、等效球镜度数、眼底视盘倾斜和视乳头旁萎缩特征是萎缩进展的危险因素。 第三部分基于深度学习和超广角眼底图像的近视萎缩病变深度学习分类系统的构建 目的:探究基于超广角眼底图像构建高度近视萎缩性病变深度学习分类模型的可行性和准确性。 对象与方法:纳入2019年1月至2023年9月复旦大学附属眼耳鼻喉科医院高度近视患者840位患者共1667眼（男∶女=1∶1）。患者行常规眼科检查及超广角眼底成像。所有眼底图片分为三类，包括无萎缩性病变（NAL）、弥漫型萎缩（DCA）和斑片型萎缩（PCA）。分类模型使用inception_v3模型构建。将所有眼底图片按照70％、15％、15％的比例分入训练集、验证集及测试集。应用敏感度、特异度、准确度及ROC曲线下面积评估分类模型性能。生成热图对分类模型的激活区域可视化。使用ANOVA或Kruskal-WallisH检验比较训练集、验证集、测试集的临床特征组间差异。P＜0.05为有统计学差异。 结果:所有模型训练集、验证集、测试集间的临床特征无差异。模型训练过程收敛。最终训练集损失为0.03028,训练集精度为99.31％;验证集损失为0.5524,验证集精度为86.98％。NAL眼114眼预测正确，10眼预测错误为DCA;DCA中89眼预测正确，6眼预测错误为NAL,9眼预测错误为PCA;PCA中12眼预测正确，2眼预测错误为DCA。模型诊断NAL眼底的敏感度、特异度、准确度和ROC曲线下面积分别为91.94％、95.28％、93.63％和0.9788模型诊断DCA眼底的敏感度、特异度、准确度和ROC曲线下面积分别为85.58％、91.84％、89.24％和0.9353。识别PCA眼底的敏感度、特异度、准确度和ROC曲线下面积分别为91.30％、96.05％、95.62％和0.9842。模型将NAL误分类为DCA的主要原因是将豹纹状眼底识别为轻度DCA。模型将DCA误分类为NAL的主要原因是DCA程度较轻及眼底图像伪彩偏绿;将DCA误分类为PCA的主要原因是将较大的视盘旁萎缩和后极部漆裂纹识别为PCA。模型将PCA误分类为DCA主要原因为DCA面积较小且不位于后极部区域。 小结:基于超广角眼底图像的深度学习模型对弥漫型和斑片型脉络膜视网膜萎缩病变准确分类。
NETL