跳转到主要内容

#人工智能辅助诊断

5 篇

与"人工智能辅助诊断"相关的眼科资讯

学术研究

超声生物显微镜在眼科诊疗中的核心价值

本文综述了超声生物显微镜（UBM）这一高频超声成像技术（50–100 MHz）在眼前节结构可视化中的作用，可清晰显示角膜、虹膜、晶状体悬韧带、睫状体及房角等，并支持定量测量。文章系统梳理了UBM在青光眼、角膜病、眼外伤、眼前节肿瘤及晶状体相关疾病中的临床应用，并介绍了三维重建与人工智能辅助分析等新技术进展。

#超声生物显微镜#眼前节成像#人工智能辅助诊断
PubMed Ophthalmology
学术研究

基于OCT图像的黄斑裂孔最小直径自动测量方法

研究提出一种针对光学相干断层扫描（OCT）图像的黄斑裂孔（MH）最小直径自动化测量方法。该方法分三步：先构建专用MH图像子集，再通过去噪、二值化、形态学处理和边缘检测提取裂孔两侧轮廓，最后定位两侧轮廓上距离最近的点以计算最小直径。在公开数据集上，平均距离误差（ADE）多在1像素内，相对距离误差（RDE）多数低于2.50%，最高3.29%；临床测试中单例测量耗时约4秒。

#黄斑裂孔#OCT#人工智能辅助诊断
PubMed Ophthalmology
学术研究

超广角眼底照相提升糖尿病视网膜病变评估

研究指出，传统ETDRS七场法仅覆盖35%视网膜面积，易漏诊周边病变；而超广角彩色眼底照相（UWF-CFP）单次成像可达200°，可全面观察周边缺血、新生血管及前后极不对称病灶。结合深度学习算法，UWF-CFP已实现自动化筛查与分级；再整合超广角扫频OCTA等多模态数据，可提升诊断一致性与分期准确性。其血管参数还与糖尿病肾病、冠状动脉钙化及卒中风险相关，提示可用于系统性并发症风险的无创评估。

#糖尿病视网膜病变#超广角眼底照相#人工智能辅助诊断
PubMed Ophthalmology
学术研究

基于红外视频的扭转性眼震自动定位与定侧方法

该研究开发了一种可解释的极坐标光流分解框架，用于从临床红外Dix-Hallpike视频中自动识别后半规管BPPV患者的扭转性上跳眼震方向并精确定位异常事件时间点。研究采用YOLOv8n定位瞳孔、动态虹膜掩模和RAFT光流算法，将运动矢量投影至瞳孔中心极坐标系，提取切向与径向运动特征，再通过BiGRU-attention网络实现三分类判断。五折交叉验证段级准确率达94.19%，独立45例长视频测试中患者级准确率在30fps下达100%。

#BPPV#眼震分析#人工智能辅助诊断
PubMed Ophthalmology
学术研究

多参数OCTA指标提升轻度糖尿病视网膜病变识别

研究分析了27个光学相干断层扫描血管成像（OCTA）参数，用于区分轻度糖尿病视网膜病变患者与健康人。单参数模型平均AUC在0.47–0.88之间，而多参数组合模型平均AUC达约0.95。研究发现，表现最优的模型并非依赖最强单指标，而是稳定、互补、跨血管层和区域的弱相关参数组合。

#OCTA#糖尿病视网膜病变#人工智能辅助诊断
PubMed Ophthalmology