跳转至

Deep Learning–Based Estimation of Blood Glucose Levels from Multidirectional Scleral Blood Vessel Imaging

会议: CVPR 2026
arXiv: 2603.12715
代码: 无
领域: 医学图像分析 / 无创检测 / 多视角融合
关键词: scleral imaging, noninvasive glucose estimation, multiview learning, transformer fusion, MRFO

一句话总结

提出 ScleraGluNet 框架，通过五个注视方向的巩膜血管图像，结合多分支 CNN + MRFO 特征优化 + Transformer 跨视角融合，实现 93.8% 三分类精度和 MAE=6.42 mg/dL 的空腹血糖估计。

背景与动机

糖尿病全球患病人数预计到 2045 年达 7.83 亿。现有血糖监测依赖血液采样（FPG/OGTT/HbA1c），频繁检测不便。巩膜浅表微血管在慢性高血糖下会发生形态、迂曲度、分支模式等重塑性改变，且比视网膜更容易用低成本设备成像。但现有方法多为单视角采集，丢失了不同巩膜区域的互补血管信息。

核心问题

如何利用多方向巩膜血管图像，设计一个既能进行代谢状态分类（正常/受控糖尿病/高血糖糖尿病）又能连续估计空腹血糖值的多任务深度学习框架？

方法详解

整体框架

五步流水线：标准化多方向巩膜图像采集 → 预处理与血管增强 → 多分支 CNN 特征提取 → MRFO 特征精炼 + Transformer 跨视角融合 → 分类与回归双头输出。

关键设计

  1. 多方向采集协议：采集正前方、上方、下方、鼻侧、颞侧共 5 个注视方向的巩膜照片，每人 5 张，捕获区域特异性微血管异常。标准化光照、对焦和眼位。
  2. 血管增强预处理：CLAHE 提升均质巩膜组织对比度 + Frangi 滤波器选择性增强管状血管结构，抑制背景噪声。通过二值化掩膜验证增强质量。
  3. ScleraGluNet 架构：5 个独立参数的 CNN 分支分别专化于不同巩膜区域的血管特征 → 拼接形成多视角嵌入 → MRFO（蝠鲼觅食优化）消除冗余特征 → Transformer 自注意力学习跨象限的远程血管关联 → 分类头（3 类 softmax）+ 回归头（FPG 估计）。

损失函数 / 训练策略

  • 复合损失：Cross-Entropy（分类） + MSE（血糖回归）
  • Subject-wise 5-fold 交叉验证，同一受试者所有图像严格归入同一 fold 防止数据泄漏
  • Adam 优化器，超参在每个 fold 的验证集上经验调优
  • Bootstrap 重采样（1000 次）计算 95% 置信区间

实验关键数据

  • 数据集：445 人（150 正常/140 受控糖尿病/155 高血糖糖尿病），共 2225 张巩膜图像
  • 分类精度：总体 93.8%（正常 94.0%、受控 92.1%、高血糖 93.5%）
  • AUC：正常 0.971、受控 0.956、高血糖 0.982
  • 血糖回归：MAE = 6.42 mg/dL, RMSE = 7.91 mg/dL, r = 0.983, R² = 0.966
  • Bland-Altman：均值偏差 +1.45 mg/dL，95% 一致性界限 −8.33 ~ +11.23 mg/dL
  • 5-fold 各 fold 精度范围 92.8%–94.6%，稳定性良好

消融实验要点

  • 单视角 CNN → 多视角 CNN（无 MRFO/Transformer）→ +MRFO → +Transformer，MAE 逐步降低
  • 多视角信息对分类和回归均有显著提升，验证了区域异质性假设
  • MRFO 消除跨视角特征拼接冗余，Transformer 捕获跨象限血管模式（如非对称重塑）

亮点

  • 首次系统利用多方向巩膜血管成像进行血糖估计，采集协议设计合理
  • Grad-CAM/Grad-CAM++ 可视化证实模型关注的是血管区域而非背景，高血糖组激活更集中于扩张迂曲血管
  • 回归精度在临床可接受范围内（MAE ~6.4 mg/dL），有远程医疗潜力

局限性 / 可改进方向

  • 单中心研究（长沙爱尔眼科），需多中心验证以确认泛化性
  • 未控制高血压、吸烟、贫血等混杂因素对巩膜微血管的影响
  • 445 人样本量偏小，需更大规模纵向数据验证血管模式随血糖控制的动态变化
  • ROI 提取为手动/半自动，限制了临床部署的自动化程度

与相关工作的对比

  • 与视网膜 fundus 糖尿病检测：巩膜成像设备更简单、更适合大规模筛查和远程医疗，但证据基础更薄弱
  • 与 PPG/热成像等无创方法：巩膜成像提供直接微血管可视化，生理耦合强于 PPG 信号
  • 与 MRFO-INEYENET：ScleraGluNet 从单视角扩展到多方向，新增并行分支卷积和 Transformer 跨视角融合

启发与关联

  • 多视角融合策略可推广到其他需要多角度采集的医学影像任务
  • MRFO 在多源特征冗余场景中有参考价值

评分

  • 新颖性: ⭐⭐⭐⭐ 巩膜多方向血管成像 + 血糖估计是新颖的临床方向
  • 实验充分度: ⭐⭐⭐ 单中心、样本量有限、缺乏外部验证
  • 写作质量: ⭐⭐⭐ 内容详实但部分段落冗长重复
  • 价值: ⭐⭐⭐ 有趣的转化医学方向，但距临床应用仍有较大差距