跳转到主要内容
学术研究

眼表摄影标准化:AI应用的瓶颈与路径

PubMed Ophthalmology (2026年11月9日)

摘要

该综述指出,尽管裂隙灯彩色摄影是眼前节记录和随访的基础手段,但其采集与处理长期缺乏统一标准。眼表曲面几何、离轴照明、周边失焦、自动白平衡及瞳孔依赖的曝光变化等因素,严重制约图像可重复性、设备间可比性和临床实用性。文章系统梳理了干眼病、结膜充血、感染性角膜炎等五类眼表疾病中OSP的应用现状,并揭示当前AI模型开发受限于缺乏大规模、多人群、高质量标注的眼表图像数据集,以及缺乏可量化的稳定表型和可靠标签。

信息来源: PubMed Ophthalmology 发布于 2026年11月9日

要点速览

  • 眼表摄影因缺乏标准化采集与处理协议,导致图像可重复性差、设备间不可比、临床实用性受限。
  • 提出分层采集规范,涵盖研究至社区筛查场景,并建议硬件升级为聚焦堆叠、控光、色标校准系统。
  • 呼吁建立大型、多人群、高质量标注的眼表图像数据集,并推动定量表型定义与国际协作。

本站解读

裂隙灯彩色照相是记录眼前节病变和随访的基础手段,但和眼前节OCT、Scheimpflug断层成像、共聚焦显微镜相比,技术进步有限。这篇综述指出,眼表摄影最大的问题是缺少统一的采集和处理规范:眼表是凸面非球面,加上离轴照明、周边失焦、相机自动色彩校正和后照法中瞳孔导致的曝光变化,同一只眼在不同设备、不同时间拍出的照片难以比较。

这些问题直接影响人工智能研发。作者认为,缺少大规模、标注良好、人群多样的眼表照片数据集,以及缺少可复现的定量表型和可靠标签,已经是眼表AI进入临床的主要瓶颈。综述提出按研究、临床到社区筛查分层的最低采集与数据集规范,以及分阶段路线图,包括硬件标准化、带元数据的可互通存储和国际数据协作。

我们的判断是,眼表AI要落地,先要解决照片拍得一致的问题,这比改进算法更基础。国内若要建设本土眼表图像数据集,同样绕不开采集标准统一的问题,相关标准进展有待确认。

常见问题

医院拍的眼表照片,以后能直接拿来做AI诊断吗?

目前还不能。综述指出,不同设备、不同时间拍出的眼表照片在色彩、亮度、对焦上差异大,缺少统一标准,AI模型难以稳定识别病变;缺乏可复现的定量指标和可靠标注,是眼表AI进入临床的主要瓶颈。国内相关标准的进展有待确认,具体诊断仍由医生完成,如有疑虑可咨询眼科医生。

医生让我定期拍眼表照片复查,这些照片有什么用?

照片主要帮助医生记录眼表的变化。综述把裂隙灯彩色照相称为眼前节记录和随访的基础手段,只是不同设备、不同时间的拍摄条件不一,照片之间的量化比较还有局限,所以医生通常会结合照片和其他检查一起判断。国内各医院的拍摄方式可能不同,如有疑虑可咨询眼科医生。

延伸阅读

学术研究

基于眼底照相的颈动脉内中膜厚度风险分类模型

研究提出一种名为BMA-Net的双侧注意力网络,结合视网膜领域迁移学习,利用眼底照片进行基于颈动脉内中膜厚度(CIMT)的心血管风险分类。模型先在亚太远程眼科学会(APTOS)2019失明检测数据集上预训练,再迁移到中国眼底CIMT数据集进行分类。十次独立初始化实验中,验证集宏F1均值为77.81%,AUC为84.08%;测试集分别为78.29%和85.22%,各项指标点估计高于此前的Siamese ResNeXt基线模型。

#人工智能#眼底摄影#心血管风险
PubMed Ophthalmology
学术研究

基于OCT图像的冰毒成瘾AI检测框架

研究团队开发了一种结合深度学习与机器学习的混合框架,用于从光学相干断层扫描(OCT)图像中自动识别甲基苯丙胺成瘾者。该框架使用改进的ResNet50-OCT模型提取多层特征,经多分辨率特征选择降维后,由多种核函数的支持向量机分类,并通过阈值过滤迭代多数投票融合结果。在193名受试者的3859张OCT图像上测试,10折交叉验证准确率达89.43%,留一法验证为74.07%。

#OCT#人工智能#药物成瘾
PubMed Ophthalmology
学术研究

高分辨率OCT自动分割视网膜色素上皮层

研究采用轴向分辨率提升的高分辨率OCT,对110名健康受试者各一只眼进行扫描,按年龄分为三组(40岁以下、40至65岁、65岁以上),将视网膜色素上皮(RPE)分为内、中、外三层进行分割,并训练卷积神经网络(CNN)自动识别这些层次,量化各层厚度和反射率。结果显示CNN分割平均Dice系数为0.85;低反射的内层RPE在黄斑中心凹处缺失,向周边逐渐增厚;中层高反射RPE的反射率随年龄显著升高,在中心凹处H值为13.8。研究认为,这些正常人群数据可为识别早期视网膜改变和开发年龄相关视网膜疾病的结构生物标志物提供参考。

#OCT#RPE#人工智能 +1
PubMed Ophthalmology