人工智能与新技术 2026年11月12日 可解释AI模型区分眼内淋巴瘤与葡萄膜炎 研究开发了一种可解释的深度学习模型,利用SPECTRALIS OCT图像区分玻璃体视网膜淋巴瘤(VRL)和非感染性葡萄膜炎(NIU)。共纳入45例VRL和52例NIU患者的OCT B扫描,通过Grad-CAM可视化病灶特征。模型在眼水平诊断性能中,AUROC均值为76.0±8.0,敏感性77.7±13.6,特异性73.4±20.7,kappa值51.0±26.6,显示中等一致性。 #AI医疗#OCT#眼内淋巴瘤 PubMed Ophthalmology
人工智能与新技术 2026年11月12日 自适应多域融合网络提升OCT视网膜分层与积液分割精度 研究人员提出一种新型深度学习模型AMDF-Net,用于光学相干断层扫描(OCT)B扫图像中视网膜各层及病理性积液的自动分割。该模型整合混合光谱-空间Transformer、动态注意力融合和疾病包容性分割三大模块,旨在提升糖尿病性黄斑水肿、年龄相关性黄斑变性和视网膜静脉阻塞等疾病的识别准确性。在公开及实时数据测试中,其Dice系数达98.87%,分类准确率为98.12%。 #OCT#人工智能#视网膜疾病 PubMed Ophthalmology
人工智能与新技术 2026年11月12日 Corvis ST生物力学指标辅助诊断角膜基质与内皮疾病 该研究回顾性分析903只患角膜基质或内皮疾病(CSEDs)的眼和597只正常眼,使用Corvis ST和MS39设备采集生物力学参数。通过AI模型(如TabPFN)对七类角膜状态进行分类,发现多个Corvis ST指标(如CBI、ARTh、SPA-A1 SYM等)在不同疾病中具有高区分度,AUC最高达0.99(圆锥角膜)。研究证实这些指标可有效识别并区分各类CSEDs。 #角膜生物力学#Corvis ST#人工智能诊断 British Journal of Ophthalmology
人工智能与新技术 2026年11月12日 AS-OCT技术在核性白内障诊断中的应用 这项多中心研究通过AS-OCT技术对127名不同严重程度的核性白内障患者进行了检查,发现AS-OCT图像特征与LOCS III标准下的白内障分级有显著相关性。研究还开发了自动机器学习模型来提取和分析这些特征,结果显示该模型在两个研究中心(泰国和中国深圳)的准确率分别为0.87和0.81,表明AS-OCT在白内障诊断和手术规划中有潜在的应用价值。 #AS-OCT#白内障#诊断技术 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 深度集成CNN模型提升糖网筛查准确率 研究提出一种名为RDE-DR的深度集成模型,融合ResNet50、VGG16、VGG19和DenseNet121四种预训练CNN,并采用CLAHE图像增强与七种异构融合策略,在APTOS 2019眼底图像数据集上实现最高98.64%准确率、99.78% AUC。研究强调模型鲁棒性、概率校准与决策边界稳定性,旨在支持临床辅助诊断。 #糖尿病视网膜病变#AI辅助诊断#深度学习 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 AI模型实现甲状腺眼病眼外肌MRI自动分割 日本大阪都市大学眼科开展单中心回顾性研究,纳入2020年10月至2023年6月间52例甲状腺眼病患者的眶区MRI数据,人工标注全部眼外肌后构建深度学习AI模型。采用5折交叉验证,在12例、32例和52例三组数据集上测试模型性能,以Dice相似系数(DSC)评估分割一致性,并测量眼外肌平均信号强度比(SIR)验证定量准确性。结果显示,52例数据训练的模型在下直肌和内直肌分割中DSC显著优于小样本模型,且所有眼外肌的SIR在AI与人工标注间均呈显著相关。 #AI医疗#甲状腺眼病#MRI影像分析 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 优化深度学习技术提升糖尿病视网膜病变检测 糖尿病视网膜病变(DR)是导致糖尿病患者视力丧失的主要原因之一,早期检测至关重要。现有的机器学习和优化方法在处理高维、异质性和复杂的视网膜图像时面临挑战。本研究提出了一种动态蝗虫优化算法(DGOA),通过自适应参数控制选择最具区分性的特征,并结合集成学习分类器,提高了模型的鲁棒性和准确性。该方法在EyePACS数据集上进行了验证,结果显示其在计算效率、泛化能力和物理信息特征提取方面具有显著优势。 #糖尿病视网膜病变#深度学习#AI辅助诊断 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 高分辨率视网膜高光谱成像系统研发成功 研究人员开发并验证了一套高分辨率视网膜高光谱成像(HSI)系统,该系统由快照式高光谱相机、高分辨率RGB相机、分光镜和成像内窥镜组成。通过多种图像融合算法(含深度学习方法),从HSI数据中同步提取视网膜血管直径与血氧饱和度。系统已在视网膜仿体上完成空间分辨率与光谱保真度测试。 #高光谱成像#视网膜血管#血氧饱和度 +1 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 眼血流数字孪生模型识别青光眼高风险血流类型 研究开发了一种基于生理机制的眼血流数字孪生模型(DT-OH),融合数学建模与机器学习,利用个体化眼压和血压数据模拟视网膜血流动力学。该模型应用于印第安纳波利斯青光眼进展研究(IGPS)临床数据,发现眼压与血压的联合效应可划分出三种不同血流调节模式,其中一种基线血流类型与青光眼进展风险显著升高相关。 #青光眼#数字孪生#眼血流 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 视频大模型评估干眼科普视频质量表现不佳 研究首次建立视频大语言模型(VideoLLM)评估眼科科普视频的基准框架,测试了VideoLLaMA3、QwenVL和InternVL三款模型对185条中文干眼短视频的质量评分能力。使用PEMAT-A/V、GQS和VIQI三种专业工具作为金标准,由两位眼科医生独立标注。结果显示,三款模型与专家评分的一致性普遍偏低(ICC<0.40),仅在PEMAT-A/V的‘可操作性’维度上,QwenVL和InternVL分别达到ICC 0.50和0.43。 #人工智能#健康传播#干眼症 +1 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 深度学习提升OCT成像速度与对比度 研究提出一种基于改进U-Net架构的深度学习方法,用于光谱域光学相干断层扫描(SD-OCT)图像重建。该方法通过视觉状态空间模型,从高速采集的低信噪比数据中合成高信噪比(SNR)的OCT和OCTA图像。评估采用多尺度结构相似性指数(MS-SSIM)和对比噪声比(CNR),结果显示视网膜各层对比增强、边界更清晰,并成功恢复内/外层视网膜微血管及脉络膜等精细结构。 #OCT#深度学习#医学影像 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 AI用于糖尿病视网膜病变早期筛查的现实应用 这篇综述梳理了人工智能在糖尿病视网膜病变(DR)筛查与管理中的实际应用。全球约三分之一的糖尿病患者会发展为DR,而该病导致的视网膜损伤不可逆。尽管已有眼底照相和OCT等筛查手段,但受限于设备可及性与专业判读能力。AI工具如IDx-DR、EyeArt和谷歌算法已展现出接近甚至超越人工判读的准确性,尤其在识别轻中重度DR及糖尿病性黄斑水肿方面表现突出,并支持风险分层与治疗决策。 #人工智能#糖尿病视网膜病变#眼底筛查 PubMed Ophthalmology