记者：廖洋 通讯员：赵英佐

日前，国际知名学术期刊《科学报告》发表了由山东第一医科大学青岛眼科医院等机构联合完成的一项重要研究成果，该研究利用深度学习技术实现了近视患者眼底特征的自动化测量与分析，为近视的早期发现与病情监测提供了新的科学依据。

随着全球近视发病率的急剧上升，特别是在东亚地区，近视已成为影响公众视力健康的主要问题之一。据预测，到2050年，全球近一半人口将受到近视影响，其中近一成将发展为高度近视。

然而，传统的眼底特征评估方法依赖人工分级，存在主观性强、效率低下等局限性，难以满足大规模近视监测的需求。

针对这一挑战，研究团队创新性地开发了两种基于深度学习的分割模型——FT-Seg和OD-Seg。

FT-Seg模型通过引入颜色通道校准算法，显著提高了眼底网格（FT）的分割精度，实现了对FT密度的自动化量化。

而OD-Seg模型则能够同时分割视盘（OD）、视盘旁萎缩区（PPA）和黄斑区，并计算相关区域的形态学特征。

研究团队利用这两款模型，对584名年轻近视患者的1025张眼底图像进行了深入分析。

结果显示，高度近视患者的FT密度和OD形态学特征与轻中度近视患者存在显著差异。进一步的相关性分析表明，FT密度和OD特征与近视的严重程度及多项眼部参数密切相关，包括等效球镜度数、眼轴长度等。

据悉，该研究不仅展示了深度学习在眼科医学领域的巨大潜力，还为近视的早期诊断和病情监测提供了自动化、客观化的新工具。通过量化眼底特征，医生能够更准确地评估近视的严重程度，及时制定干预措施，从而有效延缓近视的进展。此外，该研究还为近视的发病机制研究提供了新的视角，有助于开发更加个性化的治疗方案。

该研究得到了国家自然科学基金等项目的资助。该成果的发表标志着我国在近视研究领域取得了新的突破，为全球近视防控事业贡献了中国智慧。

相关论文信息：

https://doi.org/10.1038/s41598-024-80090-1