高分辨率视网膜高光谱成像系统研发成功
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年3月1日
要点速览
- 研究团队开发并验证了一套用于视网膜成像的高分辨率高光谱成像系统。
- 系统整合了快照式高光谱相机、高分辨率RGB相机、分光镜和成像内窥镜，并采用多种 pansharpening 算法（含深度学习方法）提升图像分辨率。
- 该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，可用于同步测量血管直径与氧合率。
本站解读
这项研究成功构建了一套能同时测血管粗细和血氧水平的高分辨率视网膜高光谱成像系统——这是技术上的实质性推进，不是概念验证或软件模拟。但目前只在视网膜仿体和小鼠模型中完成验证，尚未见人体试验数据，样本量和临床相关性都未披露，离真实诊疗场景还有明显距离。
它短期内不会改变临床做法：现有眼底照相、OCT和荧光造影已能满足多数筛查与随访需求，而该系统尚无体积、成本、操作便捷性等工程化指标，也未说明是否适配常规检查流程。论文提到目标是辅助阿尔茨海默病、糖尿病视网膜病变和黄斑变性的早期检测，但这些疾病诊断仍依赖多模态证据，单靠血管氧合参数无法替代金标准。
普通人无需因此调整日常行为；该技术不涉及家用设备或自我监测，也不改变现有筛查建议。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
这个新成像技术能直接查出老年痴呆吗？
不能直接查出。该系统旨在辅助阿尔茨海默病的早期检测，原理是通过分析视网膜血管氧合状态等生物标志物提供线索，但阿尔茨海默病确诊仍需结合认知评估、脑影像及脑脊液检测等综合判断。目前仅在仿体和小鼠中验证，未进入人体临床应用阶段。
我做眼底检查时以后会用上这个新技术吗？
短期内不会。该系统尚处于实验室验证阶段，未开展人体试验，也未说明是否适配临床检查流程或具备量产条件。当前常规眼底照相、OCT等检查仍是主流手段。如有疑虑可咨询眼科医生。
延伸阅读
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。
杜克大学用iPSC首次培育出视网膜血管内皮细胞
美国国立眼科研究所（NEI）资助的杜克大学研究团队，首次利用诱导多能干细胞（iPSCs）成功培育出具有功能的视网膜内皮细胞。这些细胞在体外可形成视网膜血管组织，在小鼠视网膜疾病模型中注射后能整合进受损组织、重建血管并恢复视网膜功能。相关成果于2026年7月7日发表于《Nature Biomedical Engineering》。
LCNet：轻量级视网膜血管分割网络
研究者提出一种名为LCNet的轻量级U型深度学习网络，用于眼底图像中的视网膜血管分割。该模型采用深度可分离卷积、协同坐标注意力模块和空洞空间金字塔池化模块，并引入四个侧向输出层增强监督。在DRIVE、STARE、CHASEDB1和IOSTAR四个公开数据集上，全局准确率分别达96.02%、97.95%、97.95%和97.77%，参数量仅2.65M，计算量为21.2 GFLOPs。