学术研究 2026年10月27日 深度学习自动识别糖尿病黄斑水肿亚型 研究团队基于3120张来自823只眼的OCT图像,构建了DME-Seg数据集,并用YOLO11x-Seg模型进行微调。该模型在病灶检测中mAP50达0.82,在像素级分割中mAP50为0.84,Dice系数分别为0.82和0.79,且在四种不同品牌OCT设备图像上表现出跨设备泛化能力。 #糖尿病视网膜病变#人工智能#OCT PubMed Ophthalmology
学术研究 2026年10月27日 GLP-1受体激动剂与眼病:疗效潜力与安全信号 本综述系统梳理了GLP-1受体激动剂(GLP-1 RAs)在眼科疾病中的作用机制、临床证据及安全性问题。实验研究一致显示其具有抗炎、抗氧化和神经血管保护效应,尤其在糖尿病视网膜病变中表现突出;但临床研究受限于设计异质性和缺乏标准化眼科终点指标。文中同时指出两类新兴安全信号:非动脉炎性前部缺血性视神经病变和新生血管性年龄相关性黄斑变性,但因果关系尚未确立。 #GLP-1受体激动剂#糖尿病视网膜病变#药物安全性 PubMed Ophthalmology
学术研究 2026年10月27日 生物材料在视网膜手术中的应用进展 本文综述了用于视网膜手术的五大类生物材料:玻璃体替代物、视网膜假体、RPE移植支架、眼内缓释给药平台及基因治疗载体。重点介绍了作者研发的肟交联透明质酸水凝胶,其密度为1.01 g/mL、折射率为1.356,在兔模型中维持眼压于13.5–25.9 mmHg且未损电生理功能。PRIMA视网膜植入体使81%(26/32)地理萎缩患者视力显著改善;2025年已有可灌注雷珠单抗给药系统和首例包封细胞疗法获批用于特定视网膜疾病。 #生物材料#视网膜假体#基因治疗 PubMed Ophthalmology
学术研究 2026年10月27日 多模态AI在视网膜疾病中的临床转化路径 本文为特刊导言,指出当前AI在视网膜图像分类和筛查中进展显著,但临床价值取决于能否支撑患者全程决策。多模态AI可整合眼底照相、OCT、OCTA、超广角成像等影像数据与临床特征、治疗史及纵向变化,以提升风险分层、病情监测和个体化随访能力。研究强调需超越单一技术指标,验证其相较单模态模型和临床基线的增量价值,并在真实世界中评估对视力功能、转诊合理性、治疗时机等终点的影响。 #人工智能#视网膜疾病#多模态影像 PubMed Ophthalmology
学术研究 2026年10月27日 AI诊断糖尿病视网膜病变的准确性评估 一项在二级眼科中心开展的前瞻性研究,纳入294名患者共576只眼,使用Topcon NW400相机拍摄眼底照相,由Google ARDA AI工具与视网膜专科医生分别判读。以医生判读为金标准,AI对糖尿病视网膜病变(DR)的敏感性达97.1%,特异性90.9%,Kappa值0.77;对糖尿病性黄斑水肿(DME)诊断效率89.9%,但Kappa仅0.48,一致性较弱。 #人工智能#糖尿病视网膜病变#眼底筛查 PubMed Ophthalmology
学术研究 2026年10月27日 用CheXNet加注意力机制提升糖网眼底图像分析 该研究提出一种融合CheXNet预训练权重与卷积块注意力模块(CBAM)的深度学习模型,用于糖尿病视网膜病变(DR)的眼底图像自动分级。模型在APTOS 2019和DDR两个公开数据集上分别达到96.12%和96.33%的准确率,优于CheXNet、DenseNet121等五种对比模型。研究还引入Grad-CAM可视化技术解释模型决策依据。 #人工智能#糖尿病视网膜病变#医学影像分析 PubMed Ophthalmology
学术研究 2026年10月27日 OpthaNet:轻量化AI模型提升眼病图像分类精度 该研究针对白内障、糖尿病视网膜病变和青光眼三类眼病,基于眼底图像开发了名为OpthaNet的注意力增强型AI分类架构。研究人员对EfficientNetB3、MobileNetV2和视觉Transformer三种模型进行定制优化,分别引入注意力特征精炼模块、OpthaHead分类器和META定制策略。结果显示,优化后的EfficientNetB3准确率达96.04%,较基线提升10.84%;MobileNetV2提升11.26%;视觉Transformer经META定制后性能提升超18%。 #人工智能#眼底图像#糖尿病视网膜病变 PubMed Ophthalmology
学术研究 2026年10月27日 多参数OCTA指标提升轻度糖尿病视网膜病变识别 研究分析了27个光学相干断层扫描血管成像(OCTA)参数,用于区分轻度糖尿病视网膜病变患者与健康人。单参数模型平均AUC在0.47–0.88之间,而多参数组合模型平均AUC达约0.95。研究发现,表现最优的模型并非依赖最强单指标,而是稳定、互补、跨血管层和区域的弱相关参数组合。 #OCTA#糖尿病视网膜病变#人工智能辅助诊断 PubMed Ophthalmology
学术研究 2026年10月25日 基于网页的智能眼科影像教学平台设计与应用 研究团队开发了一个支持眼底照相和OCT图像分析的模块化网页教学平台,涵盖图像预处理、模型训练、性能评估及AI辅助解读指导。通过问卷调查评估,该平台中位系统可用性量表(SUS)得分为80.0,显著高于68的基准值,证实其具有高可用性与明确的教学成效。 #AI教育#眼科教学#数字医疗 PubMed Ophthalmology
学术研究 2026年10月25日 瞳孔扩张对糖尿病视网膜病变筛查的影响 该研究探讨了在资源有限的环境中,瞳孔扩张对便携式眼底相机图像可分级性和基于人工智能的糖尿病视网膜病变检测性能的影响。研究发现,使用瞳孔扩张剂后,图像的可分级性显著提高(82.1% vs. 55.6%),且AI模型在扩张后的图像上表现更佳(准确率85.15%,AUC 0.94)。然而,在低收入和中等收入国家,药物扩张可能不切实际,因此优化非扩张图像的模型校准和阈值设定至关重要。 #糖尿病视网膜病变#AI筛查#便携式眼底相机 PubMed Ophthalmology
学术研究 2026年10月25日 混合深度学习与自然启发算法实现精准眼底疾病分类 眼底成像技术是检测多种眼科疾病的重要手段,能够揭示黄斑、视盘、中心凹及血管的解剖变化,从而诊断糖尿病视网膜病变、青光眼、老年性黄斑变性、白内障和近视等病症。本研究提出了一种新的混合框架,结合了深度学习特征提取与自然启发算法,利用预训练的ResNet-18和GoogLeNet架构提取特征,并通过粒子群优化、灰狼优化器、差分进化、萤火虫算法和遗传算法进行优化。最终,应用K-近邻、高斯朴素贝叶斯、支持向量机和逻辑回归等机器学习分类器对优化后的特征集进行分类。在ODIR和RFMiD数据集上的实验表明,萤火虫算法与K-近邻(FAKNN)组合达到了最先进的性能,准确率、召回率、精确度、Kappa值、F1分数和曲线下面积均为100%。这一方法不仅提高了诊断准确性,还展示了显著的临床应用潜力,有助于早期干预和改善患者预后。 #眼底成像#深度学习#自然启发算法 PubMed Ophthalmology