眼内病变超声振动弹性成像的波场感知分析法
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年10月1日
要点速览
- k-ω法和DPG/TPI型算法在眼内复杂波场下易产生不稳定或非物理的剪切波速估计结果
- 提出基于方向性和频谱能量的波场质量控制（QC），并结合LPVI-WBF算法实现稳定SWS映射
- 多频激励（100–200 Hz）分析显示，黑色素瘤较痣具有更强的色散斜率（dc/df）和更高频域异质性
本站解读
这项研究的核心突破在于指出：用传统方法测眼内病变的‘硬度’（剪切波速）容易出错——因为眼球太小、边界多，剪切波一碰就反弹、叠加，形成混乱的驻波，导致k-ω和DPG/TPI类算法给出非物理的数值。研究团队没硬扛，而是先用方向性和频谱能量指标做‘波场质检’，筛掉被干扰的区域，再用LPVI-WBF算法算SWS，这才得到稳定结果。
更关键的是，它跳出了‘单频率、单数值’的老思路：用100–200 Hz多频激励，发现黑色素瘤和痣的‘硬度随频率变化的方式’（即色散斜率dc/df）和‘不同频率下硬度波动程度’（频域异质性）存在显著差异——这是比绝对SWS更敏感的生物力学标志物。论文虽基于小样本在体数据，未披露具体病例数，但方法已在仿真和体模中系统验证，技术路径清晰，具备向临床工具转化的基础。
短期内不会改变常规检查流程，因UVE尚未成为眼科标配设备，该分析框架需集成到现有超声平台并完成临床验证。国内情况有待确认。
常见问题
这个新方法能帮医生分清眼里的黑痣和黑色素瘤吗？
能提供更可靠的区分依据。研究发现，单看剪切波速（SWS）无法区分两者，但通过100–200 Hz多频分析得出的色散斜率和频域异质性指标，黑色素瘤明显高于痣。这为无创鉴别提供了新生物力学标志物，不过目前仍处于研究阶段，尚未用于日常诊断。
我现在查眼睛发现有脉络膜痣，需要马上做这个检查吗？
不需要。该技术属于前沿研究方法，尚未进入临床常规应用，当前对脉络膜痣的评估仍以眼底照相、B超、OCT和定期随访为主。如有疑虑可咨询眼科医生，是否需要进一步影像学观察。
延伸阅读
深度学习优化提升脉络膜黑色素瘤识别准确率
研究者利用784名患者的864张超广角眼底照片，训练并比较了8种深度学习模型，用于区分脉络膜黑色素瘤（UM）与良性脉络膜痣。基线模型AUC为0.906，而加入健康视网膜对照组作为第三类的最优模型将AUC提升至0.987，并在UM和痣两类上分别达到0.941和0.966的F1分数。结果表明，数据质量、类别设计和上下文调优比单纯增加数据量更关键。
人工智能在视网膜母细胞瘤和脉络膜黑色素瘤中的应用综述
这篇综述梳理了2010至2025年间AI在眼肿瘤诊疗中的进展，重点涵盖视网膜母细胞瘤的 fundus 摄影识别、脉络膜黑色素瘤与良性病变的鉴别，以及结合OCT、B超和组织病理的多模态AI模型在预后预测和治疗分层中的应用。研究指出，部分AI算法诊断准确率已达到甚至超过眼科肿瘤专家水平。
硅油填充眼视网膜复位术后外层视网膜形态变化研究
该研究纳入35例原发性累及黄斑的孔源性视网膜脱离患者，均接受玻璃体切除联合硅油填充术，术后3、6、12周随访。利用横断面与en face OCT观察外层视网膜结构变化，发现12周时平均BCVA从1.96 logMAR提升至0.64 logMAR，ELM/EZ完整性逐步恢复；22.9%的眼出现黄斑椭圆体带玫瑰花样改变（FEZR），且FEZR与12周视力较差显著相关。