人工智能与新技术 2026年11月16日 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
人工智能与新技术 2026年11月16日 多序列MRI影像组学模型预测甲状腺眼病放疗反应 研究团队基于85例接受标准化眶部放射治疗(20 Gy)的甲状腺眼病患者,利用治疗前的脂肪抑制T1增强和T2加权MRI图像,提取眼外肌影像组学特征,结合临床活动评分(CAS)和常规影像指标,构建了多种机器学习预测模型。结果显示,多序列影像组学模型AUC达0.933,整合影像组学与常规影像指标的模型AUC最高(0.942),显著优于仅用临床数据的模型(AUC=0.700),可更准确区分放疗有效者与无效者。 #甲状腺眼病#放射治疗#影像组学 Nature - Eye Research
人工智能与新技术 2026年11月16日 开源葡萄膜黑色素瘤多模态影像数据集发布 美国伊利诺伊眼耳医院整理并公开了一个包含645例患者眼部影像与临床数据的开源数据集,涵盖葡萄膜黑色素瘤、脉络膜痣和先天性视网膜色素上皮肥厚三类疾病。数据包括超广角眼底照相和标准化B超,每例均标注了肿瘤高度(平均5.63 mm)、基底直径(平均11.77 mm)等结构化信息。该数据集已支持多项AI研究,在区分黑色素瘤与脉络膜痣任务中AUC达0.98。 #人工智能#葡萄膜黑色素瘤#医学影像 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 莆田团队开发MyoSpectrumNet,一个模型完成病理性近视多项评估 据Ophthalmology Times报道,莆田市第一医院团队在《Frontiers in Medicine》发表MyoSpectrumNet模型,把HPMI(4011张)、PALM(1200张)和MMAC三个公开眼底数据集整合进一个多输出框架,同时完成病理性近视筛查、近视性黄斑病变分级、等效球镜度估计和病灶检测分割。病理性近视筛查AUC为0.985和0.993,与单任务专用模型(0.987和0.996)相近;黄斑病变分级的加权kappa与专用模型同为0.907。但在等效球镜度估计上,联合模型误差(1.259 D)大于专用模型(1.006 D),4级黄斑病变的敏感度也低于基线模型。 #AI#病理性近视#医学影像 Ophthalmology Times
人工智能与新技术 2026年11月16日 深度学习加速MRI提升视神经炎成像效率 研究对比了深度学习加速的3D增强MRI序列(T1-CUBE-DLS)与标准序列在急性视神经炎诊断中的表现。59名疑似患者接受两种扫描,结果显示T1-CUBE-DLS将扫描时间缩短36.2%,主观噪声相当,但病灶显示更清晰、增强长度测量重复性更高。43例(72.9%)经临床确诊为急性视神经炎,两序列诊断准确性无显著差异。 #MRI#人工智能#视神经炎 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 GPT-5.1在眼科伦理问题解答中获医生更高评分 研究对比了GPT-5.1与人类伦理专家对10个眼科伦理案例的回应,案例随机选自美国眼科学会(AAO)“Ask the Ethicist”网站。10名医生独立评分(6点Likert量表评估在自身工作中的使用意愿,5点量表评估对患者的影响)。GPT-5.1回应可读性更低(Flesch得分10.9对25.4),但使用意愿中位分更高(5.0对4.1),感知患者影响也更高(3.9对3.6),评分者间一致性为中等。研究认为大语言模型值得作为眼科伦理问题的辅助工具进一步探索。 #人工智能#医学伦理#眼科 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 深度学习区分脉络膜黑色素瘤与转移癌的细胞学样本 英国利物浦眼肿瘤中心的研究者收集87名接受经巩膜细针穿刺活检患者(50例脉络膜黑色素瘤、37例脉络膜转移癌)的May-Grünwald-Giemsa染色细胞离心涂片,数字化后切分为256×256像素的图块。研究用692个人工标注图块训练U-Net模型分割肿瘤细胞,再比较5种卷积神经网络、3种视觉Transformer和7种多实例学习(MIL)架构的分类效果,采用患者级三折交叉验证,并预留17名患者作为最终独立测试集。U-Net分割精确率0.80、召回率0.76;双层特征蒸馏MIL模型患者级AUC最高(0.96),DenseNet121患者级准确率最高(0.84)。作者认为该框架为AI辅助细胞病理打下基础,有望在缺乏眼病理专科医生的中心加快诊断。 #人工智能#细胞病理学#脉络膜肿瘤 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 新型光照敏感度检测仪区分不适、疼痛与耐受阈值 研究使用眼部光敏分析仪(Ocular Photosensitivity Analyzer,OPA),在29名19–34岁健康志愿者中测量三种光敏感阈值:视觉光敏不适阈值(VPDT)、疼痛阈值(VPPT)和探索性指标耐受阈值(VPTol)。结果显示三者照度值差异显著(P值小于0.001),可以相互区分;从不适阈值到疼痛阈值,受试者评定的疼痛强度和不愉快感均上升。作者认为结果虽属初步,但支持畏光是多维度体验的观点,OPA有望用于今后异常光敏感的评估。 #畏光#定量感觉测试#OPA PLOS ONE - Eye
人工智能与新技术 2026年11月16日 GPT-4辅助生成视网膜自适应光学图像分析脚本 研究团队利用GPT-4大语言模型,经过54轮迭代指令,生成了一个用于分析自适应光学泛光照明检眼镜(AO-FIO)图像的R语言脚本。脚本先在4名受试者(1名健康人、3名Stargardt病患者)的图像上调试,再由一名未参与编码的研究者用另外4名受试者(同样为1名健康人和3名患者)的图像检查错误,并与2名人工计数者及现有分析软件的视锥细胞计数作比较。脚本可识别并量化图像中的斑点,作者称其为初步、未经验证的版本。 #AI辅助编程#自适应光学#视网膜成像 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 HiRNet提升手机眼底照相血管分割精度 研究团队提出一种新型深度学习网络HiRNet,用于分割智能手机拍摄的眼底图像中的视网膜血管。该网络融合CNN与Transformer结构,通过非对称空洞卷积和多路径空洞注意力机制提取局部血管特征与全局上下文信息,并引入分层上下文传输模块优化血管连续性和边界识别。在RVD(手机眼底图像数据集)上,HiRNet达到58.36%的平均敏感度、95.83%准确率、58.39% F1分数和95.16% AUC;在标准数据集DRIVE和CHASE_DB1上也表现优异。 #AI医疗#眼底筛查#深度学习 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 AI模型通过OCT视网膜指标识别多发性硬化症 研究团队构建了一个机器学习模型,利用光学相干断层扫描(OCT)获取的黄斑区神经节细胞-内丛状层(GCL-IPL)和视盘周围视网膜神经纤维层(RNFL)各扇区厚度数据,对74例多发性硬化症患者和44名健康对照者进行区分。模型融合GCL与RNFL扇区指标后,F1分数达95.71%,精度为97.10%,显著优于既有基准方法。SHAP和PCA双图分析增强了模型可解释性。 #OCT#人工智能#多发性硬化症 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 AI辅助糖尿病视网膜病变筛查在基层的准确性验证 研究在10家基层诊所对183名2型糖尿病患者(共336张眼底图像)开展AI辅助筛查,并以眼科医生诊断为金标准。结果显示,全部图像下AI敏感度为73.7%,特异度90.2%,阴性预测值达98.3%;剔除18.6%的低质量图像后,敏感度升至80.0%,AUC提升至0.84。研究还发现96例患者存在青光眼、白内障等其他眼病迹象。结论认为AI筛查具备临床应用潜力,但需更大样本验证及图像质量优化。 #AI医疗#糖尿病视网膜病变#基层医疗 PubMed Ophthalmology