跳转到主要内容
学术研究

基于OCT图像的冰毒成瘾AI检测框架

PubMed Ophthalmology (2027年1月1日)

摘要

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%。

信息来源: PubMed Ophthalmology 发布于 2027年1月1日

要点速览

  • 研究提出一种混合AI框架,用于从OCT图像中检测甲基苯丙胺成瘾,基于视网膜作为脑延伸的生物学假设。
  • 新架构ResNet50-OCT经ImageNet-1K预训练,结合多分辨率特征选择与多核SVM分类,并用阈值过滤迭代多数投票融合输出。
  • 在193名个体的3859张OCT图像上完成验证,10折交叉验证准确率为89.43%,留一法(LOSO)验证为74.07%。

本站解读

视网膜被视为大脑的延伸,这项研究尝试用眼底OCT图像识别甲基苯丙胺成瘾者。研究者设计了ResNet50-OCT特征提取网络,经ImageNet-1K数据预训练,提取多层深度特征后用多分辨率特征选择降维,再用不同核函数的支持向量机分类,最后用阈值过滤迭代多数投票融合结果。

在193人的3859张OCT图像上,10折交叉验证准确率为89.43%,按受试者留一验证(LOSO)为74.07%。两个数字差距明显:前者可能让同一人的图像同时出现在训练和测试中,后者更接近遇到新受试者的情况,所以74.07%更能代表模型的实际能力。

我们的判断是,这项研究说明视网膜OCT可能携带与成瘾相关的信号,但目前只是方法学探索,离筛查或诊断用途很远,还涉及隐私与伦理问题。国内是否有类似研究或应用有待确认。常规眼科OCT检查的目的是观察眼部结构,如有疑虑可咨询眼科医生。

常见问题

用眼睛拍照就能查出是不是吸毒吗?

不能。这项研究只是用AI分析193人的OCT图像,尝试区分甲基苯丙胺成瘾者,按受试者留一验证的准确率为74.07%,远达不到诊断要求,也没有用于临床或筛查。OCT是一种眼科专用的视网膜断层扫描,不是普通拍照。国内是否有类似应用有待确认,如有疑虑可咨询眼科医生。

这种AI检测以后会变成体检项目吗?

短期内看不到这种可能。研究还处于方法学验证阶段,摘要没有报告多中心验证或监管审批信息,准确率在更严格的验证方式下降到74.07%。把眼科检查用于成瘾判断还涉及隐私和伦理问题,国内是否会有相关应用尚不确定。常规OCT检查的目的是观察眼部结构,如有疑虑可咨询眼科医生。

延伸阅读

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
学术研究

AI预测青光眼视野缺损的系统综述

研究系统回顾了36项利用人工智能基于OCT结构数据预测青光眼视野功能变化的论文。这些模型可预测全局视野指数、点位敏感度或视野进展趋势,性能因任务类型、OCT设备、视野检测模式和验证方式而异。部分研究采用热图、遮挡图等技术解释模型决策,生成的结构-功能映射与临床认知一致。但现有模型在晚期青光眼中表现下降,且受限于OCT扫描范围较窄。

#人工智能#青光眼#OCT
PubMed Ophthalmology
学术研究

AI自动识别OCT图像中的微动脉瘤

研究团队开发了一种基于三维卷积神经网络的AI模型,用于在糖尿病视网膜病变患者的光学相干断层扫描(OCT)图像中自动识别并三维分割微动脉瘤(MAs)。研究纳入125名受试者,涵盖健康眼及各期非增殖性和增殖性DR。模型在测试集上对单次扫描和多次平均扫描的微动脉瘤检测F1分数分别达96.0%和97.1%,并能定位其在内核层和外丛状层的分布。纵向分析显示该模型可追踪治疗前后微动脉瘤的消退与新生。

#人工智能#糖尿病视网膜病变#OCT
PubMed Ophthalmology