无需训练的OCT图像去噪新方法
摘要
研究提出一种无需重新训练、不依赖配对干净数据的OCT图像去噪方法，利用预训练变分自编码器（VAE）作为固定生成先验，结合贝塞尔-K统计模型识别噪声主导区域，并在潜空间中定向抑制噪声方向。该方法在六个公开OCT数据集上测试，相比最强监督模型，平均PSNR提升5.6 dB，SSIM提升0.32，且仅需单次前向推理，稳定适应不同噪声水平。
信息来源： PubMed Ophthalmology 发布于 2026年12月1日
要点速览
- 提出一种无需训练、无需配对干净数据的OCT去噪框架，基于冻结的VAE基础模型和解剖引导的潜空间操作。
- 利用贝塞尔-K统计模型进行高斯化变换，再通过高斯混合建模分离视网膜与非视网膜结构，定位噪声主导区域。
- 在六个公开OCT数据集上实现平均PSNR +5.6 dB、SSIM +0.32的提升，且仅需单次前向推理，无迭代优化。
本站解读
这项研究找到了一个聪明的‘绕道’方案：不用重新训练AI模型，而是直接操控已有的大模型潜空间，把OCT图像里的斑点噪声‘推走’，同时保住视网膜各层结构——这比传统方法更少模糊细节，也比监督学习模型更泛化、更稳定。它在六个不同来源的OCT数据集上都跑赢了现有方法，PSNR平均高5.6 dB，这个提升量级在影像质量评价中属于实质性改善。研究设计扎实，但属于算法验证阶段，尚未进入临床系统集成或医生盲评测试，离日常阅片工具还有工程适配和监管认证的距离。普通人无需为此改变任何行为，OCT检查流程、报告解读方式都不会因此变化；如有疑虑可咨询眼科医生。
该方法目前停留在论文和开源数据集验证层面，未提及其是否已集成进商用OCT设备或PACS系统。国内情况有待确认。
常见问题
这个新方法能让我的OCT检查报告更准吗？
目前还不能直接影响你的检查报告，因为该方法尚未用于临床实际设备或诊断系统，仍处于算法验证阶段。它在实验室数据集上表现更好，但是否能提升医生最终判断的准确性，还需后续临床评估。如有疑虑可咨询眼科医生。
以后做OCT会不会更快、更清楚？
理论上可能更清楚——研究显示图像质量指标PSNR平均提升5.6 dB，说明噪声抑制效果明显；但‘更快’取决于是否被集成进设备，而论文未提及部署进展。该方法本身只需单次前向推理，计算效率高，具备落地潜力，但尚未进入产品化阶段。
延伸阅读
硅油填充眼视网膜复位术后外层视网膜形态变化研究
该研究纳入35例原发性累及黄斑的孔源性视网膜脱离患者，均接受玻璃体切除联合硅油填充术，术后3、6、12周随访。利用横断面与en face OCT观察外层视网膜结构变化，发现12周时平均BCVA从1.96 logMAR提升至0.64 logMAR，ELM/EZ完整性逐步恢复；22.9%的眼出现黄斑椭圆体带玫瑰花样改变（FEZR），且FEZR与12周视力较差显著相关。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。
AI模型预测湿性老年黄斑变性治疗时机
研究开发了一种模块化多任务深度学习框架（MANTIS），利用OCT图像和视力数据，自动识别何时启动抗VEGF治疗。研究纳入122名患者共207只眼，分为两组：未进展为湿性AMD者和已进展并接受治疗者。模型同时完成两项任务：判断是否需启动治疗，以及从OCT中量化外层视网膜厚度（ORT）作为影像生物标志物。