人工智能与新技术 2026年11月16日 SC-MSDNet:视网膜OCT分类模型的跨数据集测试 针对OCT分类模型换数据集后泛化差的问题,研究提出SC-MSDNet,把深度方向的特征一致性作为训练约束,并要求原始、对比度增强和频域变换三种输入的预测保持一致。模型仅在OCT2017数据集(4类,84,484张图像)上训练,不微调直接测试:准确率:OCT2017为99.5%,Kaggle C8的4类子集98.71%,OCTDL 96.37%。 #OCT#深度学习#视网膜疾病分类 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 青光眼STAGE挑战赛:用OCT图像预测视野指标 HDMI实验室与中山大学中山眼科中心合作组织了STAGE挑战赛,探索直接从OCT结构图像预测青光眼视野指标,包括平均偏差、敏感度图和模式偏差概率图。挑战赛公开了401个OCT体积数据(每个含256张断层图像)及对应视野标签和人口学数据,并提供统一评估框架。文章总结了七支入围队伍的方法:均采用整合OCT与表格数据的双分支架构,使用针对任务的OCT模型的队伍表现最好。 #青光眼#OCT#深度学习 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 儿童NF-1视力异常预测:OCT数据加可解释机器学习 研究把可解释机器学习用于168名儿童神经纤维瘤病1型(NF-1)患者的光学相干断层扫描(OCT)数据,预测视力异常。平衡随机森林模型的AUC-ROC为0.82。SHAP分析给出由数据得出的切点,作者称可作为可操作的临床阈值;联合多个异常OCT特征后特异度进一步提高。作者认为该方法体现了可解释AI对儿童NF-1早期风险识别和个体化照护的价值。 #神经纤维瘤病1型#OCT#可解释机器学习 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 加速角膜交联后圆锥角膜会进展吗?机器学习预测研究 一项回顾性队列研究纳入170只接受加速角膜交联(A-CXL)的圆锥角膜眼,把1年内最大角膜曲率(Kmax)升高至少1.00 D定义为进展,共42只眼(24.7%)进展。研究评估26个基线预测因子,比较8种算法。最薄角膜厚度与Kmax的比值在10轮外层验证中全部入选,逻辑回归的AUC为0.772(95%CI 0.692-0.844)。作者称模型和计算器是探索性工具,需要外部验证。 #圆锥角膜#角膜交联#机器学习 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 2型糖尿病并发症预测:病史信息只对部分结局有额外价值 这项研究用汇总地标法,评估纵向临床病史和模型复杂度对2型糖尿病相关结局年度动态预测的额外价值。研究纳入646名有完整基线至第3年年度记录的患者,预测高血压、冠心病、糖尿病肾病、糖尿病视网膜病变和代谢功能障碍相关脂肪性肝病的首次发生。汇总的折外AUC在0.722至0.952之间。加入病史后,高血压和脂肪性肝病的AUC更高,另外三种结局没有类似提高。算法之间的差异不大。 #2型糖尿病#预测模型#糖尿病视网膜病变 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 一张眼底照片同时筛查九种眼底情况的深度学习系统 研究者用来自17个来源的236,242张彩色眼底照片开发了多标签深度学习模型,同时识别糖尿病视网膜病变、年龄相关性黄斑变性、近视性黄斑变性等九类情况。内部验证(47,229张)AUROC为0.943至0.989;在4055张东亚体检中心的外部验证中,AUROC为0.894至0.983。作者称其可用于一张照片同时筛查九种情况。 #深度学习#眼底照片#眼病筛查 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 MyoATP-AI:低浓度阿托品控制近视的AI决策支持系统 研究者检索PubMed(2000至2025年),筛选104篇阿托品与近视的临床文章建库,开发了结合GraphRAG和思维链推理的问答系统MyoATP-AI。自动评分为BLEU 0.9479、ROUGE-1 0.969、ROUGE-L 0.9677、忠实度0.947、答案相关性0.9587、上下文召回率0.925。五位眼科医生对安全性、专业性等维度评价积极,作者认为可辅助医生决策和患者教育。 #近视#低浓度阿托品#人工智能 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 低剂量阿托品第一年效果,常规基线资料能预测吗 一项机器学习基准研究纳入427名开始使用0.01%或0.02%阿托品的儿童,以第一年任一眼等效球镜进展超过0.25 D为“效果不佳”,共159名(37%)。逻辑回归的AUC为0.60,梯度提升为0.57,单用年龄也是0.60。作者认为常规基线资料没有提供临床有用的个体预测,观察早期用药后的进展仍是识别需要升级治疗儿童的实用办法。 #近视#低浓度阿托品#机器学习 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 福建眼病研究8211人:机器学习预测糖尿病视网膜病变风险 研究使用福建眼病研究的8211名参与者、51个变量,训练并比较逻辑回归、K近邻、支持向量机(SVC)、决策树和随机森林五种机器学习模型,预测糖尿病视网膜病变风险。SVC表现最好,F1值92.83%,AUC为0.99。SHAP分析给出的前五位预测因素是糖尿病史、年龄、脉压差、左眼近视力和身高。作者认为这可为早期筛查和风险分层提供数据驱动工具。 #糖尿病视网膜病变#机器学习#福建眼病研究 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 商用近视风险AI工具测试:结果主要随环境风险输入变化 研究者用ChatGPT、Google Gemini和Reve三种软件生成18张近视外观和18张非近视外观的儿童合成图像,上传到商用近视风险工具Magnifeye。分别在最低和最高环境风险设定下评估图像,并系统改变环境风险组合。两组眼睛纵横比有显著差异(眯眼);低环境风险下两组均为低风险,高环境风险下总体风险高;家族史和近距离用眼行为的环境风险最高。 #近视#人工智能#风险筛查 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 眼底照片加深度学习区分结直肠癌:英国生物银行病例对照研究 研究用英国生物银行的1600张眼底照片(结直肠癌800张、非结直肠癌800张),回顾性训练EfficientNet-B3模型做二分类,数据按70/15/15分为训练、验证和测试集。测试集AUROC为0.945,敏感度90.00%,特异度84.17%。按0.5%患病率校正后,阳性预测值降至2.8%,阴性预测值为99.94%。作者认为该方法可能只适合作为分流或排除工具。 #眼底照片#深度学习#结直肠癌 +1 PubMed Ophthalmology
人工智能与新技术 2026年11月16日 高度近视AI预测:班级图结构模型在基线屈光度缺失时仍有区分力 研究者提出SSR-Stacking框架,把学校班级关系构建成图,结合图神经网络与多种分类器,预测末次随访时的高度近视状态。数据来自中国宾川的纵向数据集(N=4973),在模拟50%基线等效球镜度缺失的条件下,ROC-AUC为0.9184(95%CI 0.9062-0.9306),召回率0.8119,特异度0.9851,F1为0.7506,高度近视自然患病率为4.06%。作者称需进一步验证。 #高度近视#机器学习#近视筛查 PubMed Ophthalmology