跳转到主要内容

学术研究

690 篇

顶刊论文、临床试验结果、学术会议报告

学术研究

角膜塑形镜在农村青少年近视控制中双眼反应高度对称

该研究回顾分析了53名8–16岁农村青少年（共106眼）佩戴角膜塑形镜至少6个月后的屈光与角膜曲率变化。结果显示，双眼球镜等效度（SE）和平均角膜曲率（Km）的基线不对称性分别为0.28±0.34 D和0.37±0.29 D；治疗后差异进一步缩小至0.22±0.23 D和0.15±0.32 D，且无显著左右眼差异。双眼中各项指标相关性极强，未发现可预测不对称反应的临床因素。

#角膜塑形镜#近视控制#青少年近视 +1
PubMed Ophthalmology
学术研究

AI辅助放疗计划提升眼肿瘤治疗效率

研究开发了一种基于RapidPlan与HyperArc结合的自动化放疗计划模型（HARP），使用80例模拟眼肿瘤患者数据训练，20例用于测试。结果显示，AI生成计划在靶区覆盖和适形度上与人工计划相当，但对视神经、晶状体和泪腺等关键器官的保护显著更好：视神经最大剂量从7.18 Gy降至4.56 Gy，晶状体从9.36 Gy降至7.64 Gy，泪腺平均剂量从11.61 Gy降至6.47 Gy。计划时间从约120分钟缩短至15分钟。

#放射外科#AI辅助放疗#眼肿瘤
PubMed Ophthalmology
学术研究

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。

#AI医疗#视网膜血管#医学影像分割 +1
PubMed Ophthalmology
学术研究

糖尿病黄斑水肿抗VEGF耐药新蛋白标志物研究

研究纳入30例接受抗VEGF治疗已达平台期的糖尿病黄斑水肿（DME）患者，采集6次注射时的房水样本，结合AI分析OCT液体体积，并对前3次样本进行蛋白质组学检测。共鉴定202种高频表达蛋白，其中10种与视网膜积液量显著相关；afamin蛋白在积液明显者中最高上调1.8倍，且ELISA验证其持续升高；同时发现cystatin-C和clusterin等抗炎蛋白下调。

#糖尿病视网膜病变#抗VEGF耐药#房水蛋白组学
PubMed Ophthalmology
学术研究

跨厂商3D OCT多病种AI检测模型

研究开发了一种不依赖设备厂商的深度学习模型，可识别多种黄斑疾病。模型仅用海德堡Spectralis（厂商1）的3D OCT数据训练，但在测试中覆盖了厂商1、蔡司Cirrus（厂商2）的3D扫描及厂商1的2D扫描。共纳入6756例扫描用于训练，12236例用于外部验证。结果显示，对厂商1数据AUROC最高达0.999，厂商2为0.991；阴性预测值均超97.5%；临床重要漏诊率在紧急病例中为6.16%（厂商1）和6.70%（厂商2）。

#AI医疗#OCT#黄斑疾病
PubMed Ophthalmology
学术研究

BanglaOCT2025：首个孟加拉人群源OCT数据集

研究团队从孟加拉国国家眼科研究所（NIOH）收集1585例OCT扫描数据，含202880张B超图像，其中857例由专家标注（54例干性AMD、61例湿性AMD、742例非AMD）。团队开发了基于约束优化的fovea中心定位算法和无需配对干净数据的Flip-Flop Swin Transformer自监督去噪模型，使下游AMD分类准确率从69.08%提升至99.88%。

#OCT#AI医疗#AMD +2
PubMed Ophthalmology
学术研究

AI诊断糖尿病视网膜病变的准确性评估

一项在二级眼科中心开展的前瞻性研究，纳入294名患者共576只眼，使用Topcon NW400相机拍摄眼底照相，由Google ARDA AI工具与视网膜专科医生分别判读。以医生判读为金标准，AI对糖尿病视网膜病变（DR）的敏感性达97.1%，特异性90.9%，Kappa值0.77；对糖尿病性黄斑水肿（DME）诊断效率89.9%，但Kappa仅0.48，一致性较弱。

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

多模态OCT影像联合深度学习预测特发性黄斑前膜视力损害

研究团队基于351例特发性黄斑前膜（ERM）患者的多模态光学相干断层扫描（OCT）图像，构建了单流至八流深度学习模型，用于预测患者是否出现≤20/50的严重视力损害。模型输入包括水平/垂直B扫OCT、浅层/深层/全层OCT血管成像及视网膜厚度图。八流模型在开发集准确率达90.90%，外部验证达80.00%。热力图显示模型关注黄斑中心及旁中心区、增厚与皱褶区域。

#黄斑前膜#OCT#人工智能
PubMed Ophthalmology
学术研究

糖尿病视网膜病变早期血管变化的两年随访研究

该研究对142只糖尿病眼（DR分期0–3期）和34只健康对照眼进行了为期两年的纵向观察，排除了糖尿病黄斑水肿患者。所有受试者在基线、8、16和24个月接受SD-OCT、6×6 mm黄斑OCTA及广角荧光造影检查，并用MATLAB量化分析包括脉络膜血管指数（CVI）、深层血管直径指数（VDI）、血流密度、FAZ等12项指标。结果显示，DR早期（Stage 0）即存在视网膜与脉络膜微血管异常，且CVI和深层VDI可有效区分不同分期，AUC最高达0.80以上。

#糖尿病视网膜病变#OCTA#生物标志物
PubMed Ophthalmology
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