新型混合软件辅助方法实现角膜内皮光镜图像的定量评估

本研究针对传统光镜(LM)和裂隙灯显微镜(SM)在角膜内皮评估中的局限性，开发了一种融合两者优势的混合方法(HY)。通过SM专用软件处理LM图像，实现了内皮细胞密度(ECD)、变异系数(CV%)和六边形比例(HEX%)的定量分析。结果显示HY与SM在ECD检测中高度一致(偏差115-134 cells/mm2)，且评估成功率显著优于SM(96.5% vs 72.7%)，为眼库角膜质量评估提供了更可靠的解决方案。

　　

研究人员开发了一种新型混合软件辅助方法(HY)，用于定量评估光镜(LM)图像中的角膜内皮细胞。该方法结合了裂隙灯显微镜(SM)和LM的技术优势，通过SM专用软件对LM图像进行半自动分析，可精准计算内皮细胞密度(ECD)、细胞形态变异系数(CV%)和六边形细胞比例(HEX%)。

研究团队对31个角膜的283张内皮图像进行分析，采用Bland-Altman一致性检验发现：HY与SM在ECD检测中高度吻合，而与LM的偏差为134个细胞/mm²；在HEX%评估中HY与SM完全一致，CV%仅存在3.4%的微小偏差。值得注意的是，不同操作者使用HY方法时，ECD和HEX%结果无显著差异，但CV%存在3.1%的操作者间偏差。

在对70个角膜进行的311次评估中，LM和HY的成功评估率均达96.5%，显著高于SM的72.7%。该混合技术成功实现了对LM图像的内皮细胞定量化分析，在临床可接受的偏差范围内与标准方法保持统计学一致性，同时具备更低的操作者依赖性和更高的检测成功率。