相干光断层扫描眼底新生血管多模态成像方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61905144
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0511.生物、医学光学与光子学
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Choroidal neovascularization (CNV) is a major cause of age-related macular degeneration. At present, the golden diagnostic methods of CNV are invasive, the contrast agent may cause serious side effects, and the information from the unitary imaging method is limited. To solve this problem, we plan to combine the newly developed optical coherence tomography angiography (OCTA) with fundus auto-fluorescence imaging (FAF). We will use a single supercontinuum laser source and build a novel OCTA-FAF imaging system based on double wavelengths, and use biological phantoms and experimental animals to establish the CNV model. This multi-modal image method is non-invasive with high resolution. The OCTA stratified blood flow, the OCT sectional structure and the FAF distribution of the fundus can be obtained simultaneously. By the comprehensive analysis of the multi-source images, we can observe the morphological structure of CNV and the metabolic variation of retinal pigment epithelium. Our research is meaningful for CNV diagnosis and follow-up examinations, and may play an important role in future clinical applications.
脉络膜新生血管(CNV)是年龄相关性黄斑变性的主要致盲原因。现有检查方法主要为侵入式,耗时长并可能因造影剂产生副作用,且成像模式单一,无法对CNV做出全面的诊断。针对此问题,本项目拟利用单个超连续谱光源,融合基于光散射的相干光断层扫描血管造影(OCTA)和基于光吸收的自发荧光成像(FAF),研究基于双波段的OCTA-FAF成像方式,并利用生物仿体实验和动物实验建立阶段性的多模态新生血管病变模型。该非侵入式成像方法可同时获得三种模态的图像:基于OCTA的眼底多层血管状态、基于OCT的视网膜冠状面分层结构和基于FAF的眼底自发荧光强度分布。多源影像的结合不仅有助于多层次多角度地观察眼底新生血管的形态结构,还能反映由CNV导致的视网膜色素上皮层的代谢变异情况。本研究可以为CNV病变的综合性检查与预后监测提供新的手段,具有重要的临床应用价值。

结项摘要

脉络膜新生血管(CNV)是年龄相关性黄斑变性的主要致盲原因。现有检查方法主要为侵入式,耗时长并可能因造影剂产生副作用,且成像模式单一。本项目融合相干光断层扫描血管造影(OCTA) 和自发荧光成像(FAF),建立基于双波段的非侵入式OCTA-FAF成像系统,并利用仿体实验验证系统的可靠性。在此基础上利用大鼠模型实现了眼底血管多模态成像以及眼底新生血管的阶段性观察。本项目还开发了多种可用于眼底图像的病灶识别和特征提取的卷积神经网络新模型,可用于血管分割和眼底病分类。在眼底图像的血管分割方面,我们的模型达到了0.980的准确率,0.837的灵敏度和0.992的特异性。在以CNV为主的眼底病分类方面,我们的模型达到了0.973的准确率,0.963的灵敏度和0.985的特异性。本项目的研究不仅有助于观察眼底血管的形态结构,也可以为CNV病变的综合性检查与预后监测提供辅助方法,具有一定的临床应用价值。后续将已有研究的基础上进行扩展和深化,除优化系统以进一步提高多模态成像水平之外,也会改进现有网络以确保眼底病变组织智能化检测准确率,以期将研究工作应用于CNV早期诊断中。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(3)
Deep learning-based automated detection of glaucomatous optic neuropathy on color fundus photographs
基于深度学习的彩色眼底照片青光眼视神经病变自动检测
  • DOI:
    10.1007/s00417-020-04609-8
  • 发表时间:
    2020-01-27
  • 期刊:
    GRAEFES ARCHIVE FOR CLINICAL AND EXPERIMENTAL OPHTHALMOLOGY
  • 影响因子:
    2.7
  • 作者:
    Li, Feng;Yan, Lei;Zhou, Kaiqian
  • 通讯作者:
    Zhou, Kaiqian
Joint optic disk and cup segmentation for glaucoma screening using a region-based deep learning network
使用基于区域的深度学习网络进行青光眼筛查的联合视盘和视杯分割
  • DOI:
    10.1038/s41433-022-02055-w
  • 发表时间:
    2022-04-18
  • 期刊:
    EYE
  • 影响因子:
    3.9
  • 作者:
    Li, Feng;Xiang, Wenjie;Zou, Haidong
  • 通讯作者:
    Zou, Haidong
Deep learning-based automated detection for diabetic retinopathy and diabetic macular oedema in retinal fundus photographs
基于深度学习的视网膜眼底照片中糖尿病视网膜病变和糖尿病黄斑水肿的自动检测
  • DOI:
    10.1038/s41433-021-01552-8
  • 发表时间:
    2021-07-01
  • 期刊:
    EYE
  • 影响因子:
    3.9
  • 作者:
    Li, Feng;Wang, Yuguang;Zou, Haidong
  • 通讯作者:
    Zou, Haidong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码