人工智能与新技术 2026年10月27日 无需训练的OCT图像去噪新方法 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。 #OCT#图像去噪#生成式AI PubMed Ophthalmology
人工智能与新技术 2026年10月27日 拓扑感知无监督域自适应提升血管结构分割 研究提出TopoUDA框架,专为解决医学影像中曲状解剖结构(如视网膜血管)跨设备、跨模态分割时出现的断裂、连通性错误等问题。该方法通过三部分创新:设计能识别解剖合理性的曲状感知判别器(CAD)、利用持续同调理论优化碎片化预测的分层拓扑精炼器(HTR)、结合外观与拓扑可信度的混合信任机制(HTM)。在眼底照相、OCTA和电镜图像上验证,其重叠指标与拓扑指标均显著优于现有最优方法。 #AI医疗#医学影像分割#视网膜血管 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 一种无需重采样的OCT光谱拟合重建新方法 该研究提出了一种基于光谱拟合的光学相干断层扫描(OCT)图像重建新方法,旨在解决传统快速傅里叶变换(FFT)算法需预处理重采样、且受光源光谱限制的问题。新方法通过建立干涉光谱与成像深度间的线性模型,构建系统系数矩阵,再经矩阵乘法快速获得深度剖面。与自回归(AR)法和迭代自适应法(IAA)对比,该方法展现出更快的处理速度和更高的轴向分辨率潜力,有望用于实时生物医学成像。 #OCT#图像重建#光谱拟合 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 眼内病变超声振动弹性成像的波场感知分析法 研究针对眼球这类复杂受限结构中剪切波传播易受反射、驻波和模态干扰的问题,开发了波场感知的超声振动弹性成像(UVE)分析框架。通过数值模拟、仿组织体模和患者在体数据验证,比较了三种剪切波速(SWS)估计算法,发现k-ω法和相位梯度法(DPG/TPI型)在复杂波场下结果不稳定;而结合波场质量控制与局部相速度成像(LPVI-WBF)可实现稳定SWS映射。多频激励(100–200 Hz)进一步揭示:脉络膜黑色素瘤与痣的绝对SWS相近,但前者色散斜率(dc/df)更强、频域异质性更高。 #超声振动弹性成像#脉络膜黑色素瘤#生物力学标志物 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 改进OCTA图像重建与临床指标自动量化方法 研究提出一种基于平滑Walsh窗函数的OCTA图像重建新方法,结合视网膜分层分割提升血流B扫描信号,并采用局部分形维数分析自动计算FAZ参数和血管密度。该方法在健康志愿者数据上验证,相比传统OMAG和SSADA算法,显著改善血管连通性和对比度,FAZ形态与血管密度量化结果与人工标注高度一致。 #OCTA#图像重建#血管密度 +2 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 自生成病灶提示的多视角糖尿病视网膜病变分级方法 研究提出一种无需外部病灶标注的端到端深度学习框架,用于多视角眼底图像的糖尿病视网膜病变(DR)自动分级。该方法通过Grade-Activated Lesion Proposal(GALP)模块动态生成每张图像中前K个高证据区域作为病灶提示,并利用Cross-View Lesion Expert Guided Regional Fusion(LGRF)模块跨视角选择性融合特征。在两个多视角DR数据集上的实验表明,该方法性能达到或超过强基线模型,且不依赖昂贵的人工病灶标注。 #人工智能#糖尿病视网膜病变#医学影像分析 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 可解释视觉Transformer用于糖尿病视网膜病变筛查 研究者提出All-ViT Hybrid框架,将多个预训练视觉Transformer模型融合,用于眼底彩照的糖尿病视网膜病变(DR)二分类分诊(无DR vs DR)。该方法在APTOS 2019数据集上实现准确率0.9754、F1值0.9761、召回率0.9866,较最优基线模型F1提升1.11个百分点。技术包括CLAHE增强、视野掩膜、分层采样、头端热身训练与部分解冻策略,并支持操作点调节和测试时增强。 #人工智能#糖尿病视网膜病变#医学影像 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 AI增强OCT图像未提升nAMD疾病活动评估准确性 RAZORBILL研究是一项多中心观察性研究,旨在评估AI自动分割增强的三维OCT图像是否能改善新生血管性年龄相关性黄斑变性(nAMD)患者的疾病活动评估(DAA)。研究采用广义线性混合模型分析,结果显示:增强OCT图像的DAA优势比为0.759,非增强图像为0.772,二者比较的OR为1.078(p=0.229),无统计学差异;评审者间一致性(Krippendorff's alpha)分别为0.416和0.402,均属低水平且无改善。 #nAMD#OCT#AI辅助诊断 +1 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 小语言模型+HPO实现眼科病历自动表型标注 研究团队开发了一套本地运行的AI流程,结合小型语言模型PHI-4与增强版多语种人类表型本体(HPO)目录,用于从眼科医生书写的自由文本中提取标准化表型术语。在175份随机抽取的眼科病历(前节与眼底描述)上验证,人工标注出342个HPO术语(平均每份2.53个),AI流程检出341个(平均每份2.52个),Jaccard相似度中位数0.67,精确率0.83,召回率0.82,F1值0.80。 #人工智能#电子病历#表型标准化 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 MedFineSAM提升眼底与前列腺影像分割精度 研究针对Segment Anything Model(SAM)在医学影像分割中缺乏细粒度解剖知识、易受错误提示干扰、结构不连续等问题,提出新型模型MedFineSAM。该模型整合三大模块:共享细粒度结构增强、提示门控机制和频域结构连续性扩散(SCFD)。在眼底图像和前列腺MRI基准测试中,其泛化性能优于现有方法,为单源域医学图像分割提供新路径。 #AI医疗#医学影像分割#眼底图像 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 基于各向异性建模的翼状胬肉AI筛查新方法 研究提出一种无需专业标注、不依赖阳性样本的AI辅助诊断框架,通过构建眼表解剖图谱并改进细胞自动机模型,模拟翼状胬肉特有的各向异性生长模式,自动生成高质量训练样本。该方法突破传统AI诊断对大量人工标注数据的依赖,模型性能优于常规训练方式,适用于基层医疗机构和自我筛查,有助于早期识别翼状胬肉、降低视力损害风险。 #AI医疗#翼状胬肉#基层筛查 PubMed Ophthalmology
人工智能与新技术 2026年10月27日 AUBADE-syn:用合成图像提升青光眼AI检出准确率 研究团队提出一种名为AUBADE-syn的深度学习集成方法,专为解决青光眼筛查中数据类别严重失衡问题而设计。该方法结合视盘中心区域裁剪与无分类器引导扩散模型生成逼真的青光眼眼底图像,增强少数类样本。在EyePACS数据集(类别比1:30)上,其AUC达0.992,优于加权损失、Focal Loss等主流方法,并在10个独立公开数据集上验证了泛化能力。 #青光眼#人工智能#医学影像 PubMed Ophthalmology