人工智能与新技术 2026年11月17日 新生血管性AMD:两种OCT视网膜分层软件的厚度测量不宜互换 这是一项回顾性队列研究,纳入50名新生血管性年龄相关性黄斑变性(AMD)患者,用海德堡Spectralis HRA+OCT设备采集图像,比较设备自带软件与Orion自动分割软件(Voxeleron)在ETDRS分区上的视网膜厚度测量。内层视网膜厚度中央凹平均差值为8.97微米,外层为21.51微米,总视网膜厚度中央凹差值为43.54微米。作者认为两种算法不应互换使用。 #新生血管性AMD#OCT#视网膜厚度 +1 Nature - Eye Research
人工智能与新技术 2026年11月17日 人工智能让细胞级眼底成像所需数据减少四分之三 美国国立卫生研究院(NIH)国家眼科研究所的研究人员,用一种名为RRTGAN的人工智能方法,从较少的测量数据中恢复像素分辨率,使能分辨眼内单个细胞的先进成像技术所需的数据减少了四分之三。这类技术把自适应光学与光学相干断层扫描(OCT)结合,目前需要受检者长时间保持眼球不动、拍摄数百张视网膜图像,难以用于繁忙的门诊。研究发表在npj Artificial Intelligence。 #自适应光学#OCT#人工智能 +1 NEI / NIH Research News
人工智能与新技术 2026年11月17日 社区AI筛查早产儿视网膜病变:中国成本效益模型研究 研究用决策树模型,对10万名符合筛查条件的假设早产儿队列,从社会角度比较三种早产儿视网膜病变(ROP)筛查策略:社区AI辅助筛查、社区远程医疗筛查和专科机构床旁筛查,城市与农村分别设参数。结果显示,社区AI辅助筛查在两种场景下都是最具成本效益的策略,每名婴儿终身成本分别为1507美元和2581美元,健康效益为29.7138和29.5835个质量调整生命年(QALY)。 #早产儿视网膜病变#人工智能筛查#成本效益 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 高分辨率网络加预处理用于眼底血管分割 研究提出一个基于高分辨率网络(HRNet)的视网膜血管分割框架,预处理包括灰度转换、伽马校正、CLAHE(限制对比度的自适应直方图均衡)和归一化。研究在两个公开数据集DRIVE和CHASE_DB1上评估,DRIVE上的敏感度为0.8193,CHASE_DB1上的特异度为0.9807。作者称,该框架能提高眼底图像血管分割的精度,对眼科临床决策有潜在价值。 #眼底图像#血管分割#深度学习 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 视网膜血管参数加AI用于糖尿病肾病的诊断与预后预测 研究在中国多中心收集了397名2型糖尿病合并慢性肾脏病患者的眼底图像、临床特征、肾活检诊断和随访数据,其中主队列374人来自北京解放军总医院第一医学中心肾内科,外部验证队列23人来自另外五家医院。研究用视网膜血管几何参数加7项临床特征建立诊断模型,测试集AUC为0.98、准确率为0.92;多中心验证集准确率0.91、AUC 0.95。预后模型的AUC为0.88。 #糖尿病肾病#视网膜血管#人工智能 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 机器学习用5项化验指标区分糖尿病肾病与视网膜病变 研究者用中国一家大型三级医院住院2型糖尿病患者的电子病历数据,建立可解释的机器学习模型,区分糖尿病肾病(DN)与糖尿病视网膜病变(DR)。训练与内部验证队列有DN 2309例、DR 855例,独立验证队列有DN 578例、DR 214例,共提取47项常规化验和人口学变量。取5项重要特征建立的XGBoost模型,在两个队列中的AUC分别为0.991和0.997。 #机器学习#糖尿病肾病#糖尿病视网膜病变 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 巴西养老机构用手机眼底相机做筛查:AI判断表现有限 巴西圣保罗一家老年人专门收容机构开展前瞻性试点干预研究,由受训的非眼科专业人员用便携式眼底相机为38名住户的76只眼拍照,图像交给视网膜专科医生远程评估,并与EyerMaps人工智能系统比较。专科医生在70只眼(92.1%)发现异常,没有发现糖尿病视网膜病变。以任何眼部异常为参考标准,AI判为异常22只眼,敏感度25.7%,特异度33.3%,总体准确率26.3%。 #糖尿病视网膜病变#眼底筛查#人工智能 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 用基线OCT预测中心性浆液性脉络膜视网膜病变慢性化 一项多中心回顾性队列研究纳入来自8个国际中心的329只初治中心性浆液性脉络膜视网膜病变(CSC)眼,平均随访4.2年,92只(28.0%)为急性、237只(72.0%)为慢性。研究用人工智能提取的基线OCT生物标志物建立随机森林模型预测慢性化,AUC为0.852(95%CI 0.748至0.940)。旁中心凹外核层厚度与慢性化的关联最强。 #中心性浆液性脉络膜视网膜病变#OCT#机器学习 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 大模型给OCT黄斑变性诊断打分,与视网膜专家评分一致性高 这项回顾性研究开发了一种由大语言模型(LLM)充当评估者的流程,给其他LLM依据OCT图像作出的AMD诊断打分,使用140张OCT、6个诊断模型和4个评估模型。在560个图像诊断对中,Gemini-2.5-Flash与专家的一致性(ICC=0.897)与两位专家之间(ICC=0.806)相当。大规模评估中GPT-5.5得分最高,为6.3/8。 #大语言模型#OCT#黄斑变性 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 自适应光学眼底成像:自动分割视网膜动脉管壁的新方法 研究者开发了一套自动图像处理流程,用于在自适应光学检眼镜(AOO)图像序列中分割视网膜动脉管壁。流程先用深度学习评估画质并选出最好的一张,再结合深度学习与主动轮廓模型分割,最后以它为参照分割序列中其他图像。在闪烁刺激序列上,质量评估与专家排序的Spearman相关系数为0.86,动脉壁内、外缘分割的平均均方根误差分别为0.5像素和1.8像素。 #自适应光学#视网膜血管#图像分割 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月17日 眼底照片AI筛青光眼:1707张公开图像的回顾性研究 巴基斯坦Al-Shifa Trust眼科医院团队用来自五个公开数据集的1707张眼底照片,比较了EfficientNetV2b0等五种卷积神经网络,把图像分为青光眼与健康两类。这是回顾性研究。表现最好的EfficientNetV2b0曲线下面积(AUC)0.98,准确率93%,敏感度97%,精确率89%,F1分数93%。作者认为该方法适合大规模筛查和资源不足的环境。 #青光眼#人工智能#眼底照片 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 远程机器人Nd:YAG激光系统:兔眼临床前可行性研究 研究评估了一套远程操作的机器人激光平台在兔眼前节Nd:YAG激光治疗中的技术可行性和短期操作安全性。24只兔分为后囊混浊(PCO)和激光周边虹膜切开(LPI)两组各12只,每组再分远程操作和现场操作。24次操作全部完成。囊膜切开的激光发放时间中位数远程组为285.0秒,现场组为214.0秒(P=0.589)。靶向误差远程为0.0380毫米,现场为0.0341毫米(P=0.053)。 #远程激光#Nd:YAG激光#机器人 +1 PubMed Ophthalmology