人工智能与新技术 2026年11月16日 AI软件自动测量地图样萎缩面积:与人工勾画一致性高的探索研究 这项横断面探索研究用SS-OCT图像,评估一款AI软件对黄斑变性相关地图样萎缩面积的自动测量。纳入33名患者的33只眼和1只健康对照眼,每眼三次7×7毫米扫描,共165次测量。AI测量与四次人工勾画均值的一致性相关系数(CCC)为0.992;小病灶(<3.7平方毫米)较低,为0.903。观察者内重复性ICC为0.999。 #地图样萎缩#OCT#人工智能 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 本地大语言模型从病历文本中识别青光眼进展风险因素 研究团队用Bascom Palmer眼科数据库2014至2024年的1250次青光眼相关就诊病历,检验本地部署的医学大语言模型MedGemma-27B能否识别用药不依从、复诊不依从和青光眼家族史。以两位青光眼专科医生的标注为参照,三项任务的准确率分别为0.91、0.96和0.98,而电子病历结构化家族史字段的准确率为0.49。作者认为这类模型可支持大规模青光眼风险因素研究。 #青光眼#大语言模型#电子病历 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 高度近视儿童会发展成病理性近视吗?AI视网膜血管模型研究 中山高度近视队列的一项前瞻性纵向研究纳入375名双眼高度近视(等效球镜≤-6.00D)的儿童,中位随访15.0年。研究用深度学习分析眼底照片中的视网膜血管表型,并结合眼轴和扫频OCT指标。64名儿童(17.1%)发生病理性近视。视网膜血管密度低、分形维数低、脉络膜薄等与发病独立相关。AI模型的AUROC为0.96,加入眼球测量变量后为0.98,并建成公开的风险预测平台。 #高度近视#病理性近视#人工智能 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 GPT-5做近视激光手术方案:与医生的差距和SILK术后视力 这项回顾性观察研究纳入67名患者的134只眼,均接受ELITA飞秒激光平台的SILK手术。研究让GPT-5生成屈光方案并与医生方案比较:GPT-5的球镜矫正更保守(-4.29±2.42 D对-4.70±1.98 D,p=0.0025),柱镜无显著差异,轴向平均偏差61.9°±50.1°。医生方案术后3个月未矫正视力由0.74±0.36 logMAR提升至-0.06±0.07。作者认为GPT-5缺乏临床应用所需精度。 #SILK#GPT-5#屈光手术 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 AROMA数据集:给OCT血管成像的伪影类型与严重程度打标签 研究发布了AROMA数据集,收录扫频光学相干断层血管成像(SS OCT-A)的正面视图图像,按伪影类型和严重程度标注。数据集包含115名匿名患者的281次扫描,每次扫描有14幅图像,由多名专家分级。研究者在其上训练了两种深度学习二分类模型,用于判断图像质量:基于主成分分析压缩的模型精确率为87%,六通道张量模型为97%。作者认为任务专用AI可用于基于伪影检测的质量评估。 #OCT血管成像#数据集#图像质量 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 AdamW改进的计算自适应光学:让OCT无需额外硬件校正像差 计算自适应光学(CAO)可在不增加硬件的情况下校正光学相干断层扫描(OCT)的像差,但传统的随机并行梯度下降(SPGD)算法收敛慢、不稳定,容易陷入局部极小值。研究提出结合自适应学习率与权重衰减的AdamW改进SPGD算法,并引入基于特征值的锐度指标。作者用模拟和两套扫频OCT系统验证,实现了光感受器层和视网膜神经纤维层的细胞级可视化,认为方法有助于推动CAO的临床转化。 #OCT#自适应光学#成像算法 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 糖尿病视网膜病变的血清代谢指纹:纳米基质质谱结合机器学习 研究团队设计了一种高熵蛋黄壳金属氧化物,作为激光解吸电离质谱(LDI MS)的新型基质,用来检测糖尿病视网膜病变(DR)患者和健康对照的血清代谢指纹。随机森林模型区分两组的曲线下面积(AUC)超过0.99。由五种关键代谢物组成的精简组合(DR-D5)诊断表现与完整指纹模型相当,准确率高于93%。通路分析提示代谢紊乱与DR发病有关。作者认为该平台有望用于DR的无创筛查。 #糖尿病视网膜病变#代谢组学#机器学习 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 图神经网络用眼底彩照检测糖尿病黄斑缺血:AUC 0.900 糖尿病黄斑缺血(DMI)以黄斑区视网膜毛细血管丢失为特征。研究开发了基于图神经网络的多光谱视图学习模型GNN-MSVL,用计算多光谱成像把眼底彩照重建为24波长的伪多光谱图像。研究纳入592名糖尿病患者的1078只眼、1078张黄斑中心彩照,其中300名患者的530张为确诊DMI。眼水平准确率为84.7%,AUC为0.900,作者称显著优于基线模型和人类专家。 #糖尿病黄斑缺血#眼底彩照#图神经网络 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 鸟枪弹样脉络膜视网膜病变广角眼底影像数据集 鸟枪弹样脉络膜视网膜病变(BSCR)是一种罕见的葡萄膜炎,研究受限于缺少大型公开影像数据集。研究者发布Birdshot-Wide数据集:742只BSCR眼的5042张广角眼底照片,以及742只年龄性别匹配的健康眼的1310张图像。BSCR队列为纵向随访,中位随访4.31年。深度学习模型区分BSCR与对照图像的AUC最高为0.96。 #鸟枪弹样脉络膜视网膜病变#葡萄膜炎#数据集 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 OCT视网膜病变分类:模型准确率95.25% 研究把中智相似度分数(NSS)与CLAHE对比度增强结合,用来处理OCT图像,再用EfficientNetB3模型训练,采用先冻结基础层、后微调深层的两阶段策略。在一个视网膜OCT数据集上,NSS整合的模型总体准确率为95.25%,精确率、召回率和F1值分别为95.33%、95.25%和95.26%。作者称其优于用原始OCT图像训练的常规模型。 #OCT#深度学习#视网膜病变 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 AI校正OCT测量能否提高高度近视合并青光眼的诊断表现 这项横断面诊断准确性研究纳入57只高度近视眼,其中31只有青光眼、26只没有。研究用深度学习算法MGU-Net分割视网膜层并校正眼轴拉长造成的扫描倾斜,得到AI校正后的视盘周围RNFL厚度。校正值在各象限均显著低于原始值,平均差异15到35微米。校正后IN象限AUC最高,为0.69;ST、T、IT三个象限联合模型的AUC为0.79。 #青光眼#高度近视#OCT +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 用OCT神经纤维层厚度图预测青光眼视野:三种U-Net比较 这项回顾性横断面研究纳入某三级转诊中心确诊的1640名青光眼患者,每人只分析左眼,包含早、中、晚期青光眼。研究比较R2 U-Net、Dense U-Net和Nested U-Net(UNet++)三种深度学习模型,用OCT的视网膜神经纤维层厚度图预测视野结果。R2 U-Net的MSE和MAE最低,SSIM和PSNR最高;Dense U-Net的预测准确性最低。 #青光眼#OCT#视野 +1 PubMed Ophthalmology