高级检索
当前位置: 首页 > 详情页

利用机器学习方法研究干眼患者的自发瞬目模式

Detection of the spontaneous blinking pattern of dry eye patients using the machine learning method

文献详情

资源类型:
Pubmed体系:

收录情况: ◇ 统计源期刊 ◇ 北大核心 ◇ CSCD-C ◇ 中华系列

机构: [1]首都医科大学附属北京同仁医院北京同仁眼科中心 北京市眼科研究所 北京市眼科学与视觉科学重点实验室,北京 100730 [2]北京邮电大学计算机学院(国家示范性软件学院),北京 100876
出处:
ISSN:

关键词: 干眼综合征 机器学习 眨眼

摘要:
目的:探讨干眼患者自发瞬目模式的特点。方法:横断面研究。连续纳入2019年1至12月在首都医科大学附属北京同仁眼科中心角膜病专科门诊就诊的干眼患者357例作为干眼组,其中男性102例,女性255例;年龄(46.2±13.3)岁;同时纳入健康志愿者152名作为对照组,其中男性32例,女性120例;年龄(48.1±13.9)岁。所有患者进行问卷调查眼表疾病评分指数、瞬目视频获取、泪膜破裂时间(BUT)检查、角结膜荧光素染色、基础泪液分泌试验。将瞬目视频的单帧图片输入UNet分割算法与ResNet分类算法建立的模型进行分析,获取睑裂高度百分比绘制瞬目波。将完全瞬目分为A、B、C型,不完全瞬目分为Ⅰ、Ⅱ、Ⅲ型,进而分析干眼患者的自发瞬目特征,并使用独立样本 t检验和Wilcoxon秩和检验分析其与对照组差异的统计学意义。 结果:本研究建立的分割模型与分类模型准确度分别为96.3%与96.0%,与人工分析的一致性为97.9%。干眼组患者瞬目频率为30(18,42)次/min,显著高于对照组的20(9,46)次/min( U=18 132.50, P=0.002),但完全瞬目次数为6(3,24)次/min,明显低于对照组的12(3,33)次/min( U=12 361.00, P=0.016),不完全瞬目次数为15(6,27)次/min,明显高于对照组的3(0,10)次/min( U=22 839.00, P(0.001)。完全瞬目中,干眼患者A型瞬目占比显著高于对照组[53.7%(2 796/5 177)和39.3%(633/1 698);χ2=101.83, P(0.001];不完全瞬目中,干眼患者Ⅱ型瞬目占比显著高于对照组[36.0%(2 334/6 477)和29.6%(126/426);χ2=6.99, P=0.008]。干眼患者平均瞬目间期为1.5 s,与对照组2.2 s比较,差异无统计学意义( U=15 230.00, P=0.093);干眼患者眼睑完全闭合期为0.8 s,明显短于对照组1.3 s( U=16 291.50, P=0.006)。闭眼期、睁眼前期、睁眼末期与对照组比较,差异均无统计学意义(均 P)0.05)。 结论:干眼患者不完全瞬目次数增加、完全瞬目次数减少,眼睑完全闭合时间明显缩短;其瞬目模式以闭合幅度减少的Ⅱ型不完全瞬目及闭合时间缩短的A型完全瞬目为主。

基金:
语种:
PubmedID:
第一作者:
第一作者机构: [1]首都医科大学附属北京同仁医院北京同仁眼科中心 北京市眼科研究所 北京市眼科学与视觉科学重点实验室,北京 100730
通讯作者:
推荐引用方式(GB/T 7714):

资源点击量:21166 今日访问量:0 总访问量:1219 更新日期:2025-01-01 建议使用谷歌、火狐浏览器 常见问题

版权所有©2020 首都医科大学附属北京同仁医院 技术支持:重庆聚合科技有限公司 地址:北京市东城区东交民巷1号(100730)