跳转到主要内容

学术研究

405 篇

顶刊论文、临床试验结果、学术会议报告

学术研究

用CheXNet加注意力机制提升糖网眼底图像分析

该研究提出一种融合CheXNet预训练权重与卷积块注意力模块（CBAM）的深度学习模型，用于糖尿病视网膜病变（DR）的眼底图像自动分级。模型在APTOS 2019和DDR两个公开数据集上分别达到96.12%和96.33%的准确率，优于CheXNet、DenseNet121等五种对比模型。研究还引入Grad-CAM可视化技术解释模型决策依据。

#人工智能#糖尿病视网膜病变#医学影像分析
PubMed Ophthalmology
学术研究

构建细粒度白内障严重程度评估眼底图像数据集

研究团队构建了首个含187例眼底图像的白内障严重程度与诊断图像数据集（CSDI），每例均配专业临床诊断报告。针对现有深度学习方法仅能做二分类的局限，该研究提出基于多模态大语言模型（MLLM）的诊断框架，可实现细粒度严重程度评分并生成专业诊断文本。这是首次将MLLM技术用于定量、分级白内障诊断。

#白内障#人工智能#医学影像
PubMed Ophthalmology
学术研究

视网膜色素变性患者眼底自发荧光环模式与功能结构关联研究

该研究纳入73名视网膜色素变性（RP）患者的146只眼，依据眼底自发荧光（FAF）图像分为三组：规则高荧光环（23眼）、不规则环（76眼）和无环（47眼）。所有受试者接受视力、对比敏感度、视野、多焦视网膜电图（mfERG）及光学相干断层扫描（OCT）检查。结果显示，规则环组视力、对比敏感度、mfERG振幅密度及椭圆体带完整性均显著优于其他两组；环面积与mfERG振幅密度、黄斑体积呈正相关。研究认为FAF环模式可反映RP中央视网膜的功能与结构损害程度。

#视网膜色素变性#眼底自发荧光#多模态影像
PubMed Ophthalmology
学术研究

OpthaNet：轻量化AI模型提升眼病图像分类精度

该研究针对白内障、糖尿病视网膜病变和青光眼三类眼病，基于眼底图像开发了名为OpthaNet的注意力增强型AI分类架构。研究人员对EfficientNetB3、MobileNetV2和视觉Transformer三种模型进行定制优化，分别引入注意力特征精炼模块、OpthaHead分类器和META定制策略。结果显示，优化后的EfficientNetB3准确率达96.04%，较基线提升10.84%；MobileNetV2提升11.26%；视觉Transformer经META定制后性能提升超18%。

#人工智能#眼底图像#糖尿病视网膜病变
PubMed Ophthalmology
学术研究

AI辅助鉴别IgG4眼病与眼眶MALT淋巴瘤

该综述系统梳理了人工智能（尤其是放射组学和深度学习）在区分IgG4相关眼病（IgG4-ROD）与眼眶黏膜相关淋巴组织（MALT）淋巴瘤中的应用进展。研究指出，两者影像特征高度相似，临床鉴别困难；AI可通过提取高维影像特征构建预测模型提升诊断准确性。文章总结了多模态影像整合、模型优化策略，并指出当前研究普遍存在样本量小、单中心回顾性设计、数据异质性强、可解释性不足及缺乏外部验证等关键局限。

#人工智能#放射组学#眼眶疾病
PubMed Ophthalmology
学术研究

AI辅助床旁影像诊断的系统评价

该研究系统回顾了2018至2025年间20项AI辅助床旁影像（POC）临床决策支持研究，覆盖约78,296名患者、15国、多种影像模态。中位敏感度92%，特异度90.6%；65%研究证实非专科人员经平均1小时培训即可达专科级判读水平。但75%研究未提及可解释性（XAI），无一评估XAI是否影响临床决策或改善患者结局；70%研究存在高偏倚风险，整体证据确定性极低（GRADE ⊕◯◯◯）。

#人工智能#床旁影像#临床决策支持
PubMed Ophthalmology
学术研究

CDH17和HOXC13被识别为葡萄膜黑色素瘤预后标志物

研究通过整合转录组分析与机器学习模型，从葡萄膜黑色素瘤（UM）数据中筛选出四个潜在预后基因：CDH17、HOXC13、FABP5P7和LINC02188。其中CDH17和HOXC13因具有蛋白编码能力、明确促癌功能及跨癌种高表达特征被重点验证。ROC分析显示CDH17预测能力较强（AUC=0.76），其与HOXC13的表达水平均与转移风险相关，并在独立队列GSE22138中得到验证。

#葡萄膜黑色素瘤#生物标志物#机器学习
PubMed Ophthalmology
学术研究

前囊抛光对正常眼轴白内障患者IOL囊袋复合体的影响

这是一项前瞻性随机对照试验，纳入45例正常眼轴长度的白内障患者，随机分为前囊360°抛光组（23眼）和未抛光组（22眼），40眼完成3个月随访。使用SS-OCT定量评估发现：抛光组术后3个月囊袋弯曲指数（CBI）更低（3.16 vs 3.68），表明囊袋-IOL结构成熟延缓；同时囊袋口更稳定，但垂直IOL倾斜度增加。抛光未影响早期屈光稳定性。

#白内障手术#人工晶状体#前囊抛光
PubMed Ophthalmology
学术研究

离线AI辅助眼底拍照用于儿童青光眼初筛

研究评估了基于智能手机的离线AI辅助眼底成像在≤18岁儿童青光眼筛查中的可行性。共纳入21名患儿，在三级眼科中心完成AI眼底拍照与临床评估。AI对垂直杯盘比的测量结果与临床评估一致性良好（95%一致性界限为-0.15至+0.23）；在8例存在视神经结构改变的患儿中，AI推荐转诊7例，且未对无结构改变的13例错误推荐转诊。

#儿童青光眼#AI辅助诊断#便携式眼底成像
PubMed Ophthalmology
学术研究

板式与C环襻人工晶状体术后偏心差异研究

该研究比较了两种不同襻设计的人工晶状体（IOL）在白内障术后1个月的倾斜和偏心程度。共纳入79例患者（79眼），其中37眼植入ATTORBI 709 M板式襻IOL，42眼植入PY-60 AD C环襻IOL。采用扫频源光学相干断层扫描（SS-OCT）联合定制卷积神经网络（CNN）算法测量，以角膜顶点为参考。结果显示，板式襻IOL术后偏心程度显著小于C环襻IOL，而倾斜度无统计学差异。

#人工晶状体#IOL稳定性#SS-OCT +1
PubMed Ophthalmology
学术研究

无代码AI模型可识别视乳头水肿

研究利用近红外反射OCT图像，测试三种自动机器学习平台（Amazon Rekognition、Medic Mind、Google Vertex）区分视乳头水肿、正常视盘和视盘玻璃膜疣的能力。数据来自英国莱斯特大学医院NHS信托，共289名患者813张图像。结果显示Amazon Rekognition表现最优：区分视乳头水肿与正常/玻璃膜疣的AUC为0.90，F1分数0.81；分级严重程度的AUC同样为0.90，F1分数0.79。

#AI医疗#视乳头水肿#OCT
PubMed Ophthalmology