#OCT

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

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

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

基于OCT图像预测视网膜静脉阻塞患者12个月视力

研究提出一种结合手工特征（HOG、BLBPs、GLCM）与CNN回归模型的新方法，利用OCT图像预测视网膜静脉阻塞（RVO）患者接受抗VEGF治疗12个月后的最佳矫正视力（VA）。该模型性能与11名眼科专科住院医师及1名视网膜专科顾问的临床判断相当，平均绝对误差显示模型略优趋势。

#OCT#人工智能#视网膜静脉阻塞

深度学习模型可用OCT数据预测青光眼视野平均缺损值

研究团队利用1200只眼睛（432只为青光眼，768只为正常）同日采集的频域OCT高密度扫描数值与Humphrey视野分析仪30-2程序测得的平均缺损（MD）值，训练八种深度学习模型。结果显示InceptionV3模型表现最佳，平均绝对误差为3.36 dB，决定系数为0.53；在不同MD阈值下的分类任务中，CNN模型对轻、中、重度视野损害均有良好判别能力。

#青光眼#人工智能#OCT

OSCAR-IB标准对多发性硬化患者OCT测量重复性的影响

研究纳入164名多发性硬化患者，使用Spectralis SD-OCT设备采集视盘和黄斑区扫描，按OSCAR-IB质量标准分为达标（SFO）与不达标（SNFO）两组。分析显示，SNFO组的pRNFL厚度测量重复性显著下降，而GCIPL厚度重复性受影响极小。结果提示GCIPL指标在Spectralis设备上比pRNFL更稳定，支持用其辅助判断单侧视神经受累。

#OCT#多发性硬化#OSCAR-IB

儿童视盘玻璃膜疣的影像学新认知

研究系统回顾了2018至2025年关于儿童视盘玻璃膜疣（ODD）的文献，重点分析光学相干断层扫描（OCT）及OCT血管成像（OCTA）等新技术的应用。结果显示，增强深度成像OCT（EDI-OCT）已成为诊断金标准；约90%的ODD患儿出现PHOMS结构，该结构在健康儿童中仅见于8.9%，在特发性颅内高压患者中则超80%，易造成误判。AI算法正被用于提升诊断准确率，尤其在区分隐匿型ODD与轻度视乳头水肿方面表现突出。

#视盘玻璃膜疣#儿童眼科#OCT

获得性视网膜劈裂及劈裂脱离的诊疗新算法

本综述系统分析了截至2026年的文献，聚焦获得性视网膜劈裂及其相关视网膜脱离的自然病程、超广角光学相干断层扫描（OCT）等新型影像技术的应用，以及巩膜扣带术与玻璃体切除术的疗效比较。研究指出，外层裂孔是疾病进展的关键生物标志物；无症状且稳定者应观察，而活动性脱离的手术选择常取决于医生偏好而非解剖必要性。据此提出整合晶状体状态、裂孔位置和玻璃体情况的个体化手术决策算法。

#视网膜劈裂#视网膜脱离#OCT

眼科AI热图临床可信度评估框架

研究提出两阶段临床导向框架，筛选适用于OCT视网膜疾病分类的可解释AI热图。基于Swin Transformer模型，在交叉验证中达97%准确率，外部验证为91.82%。Phase 1由1名眼科医生和1名AI专家初筛100张热图/方法；Phase 2由21名专科医生用五点量表评估解剖合理性。Token contRAST（TRAST）热图评分最高，Grad-CAM++次之，CGFM最低。

#AI医疗#OCT#可解释AI

无需标注的AI模型实现跨设备RNFL自动分割

研究团队开发了名为Macula2Disc（M2D）的AI框架，仅用黄斑区OCT图像训练，即可在未标注的视盘周RNFL图像上完成分割。在1017张未标注的视盘周扫描图像上验证，RNFL分割Dice系数达87.42%，MIoU为80.43%。该方法不依赖视盘区域人工标注，能适配Heidelberg Spectralis和TowardPi BMizar-400K两种异构OCT设备，目标是提升青光眼结构评估的跨平台一致性。

#AI医疗#OCT#青光眼 +1

特发性颅内高压迎来标准化诊疗新纪元

特发性颅内高压（IIH）长期面临诊断标准模糊、治疗响应评估不一的困境，严重制约临床研究可比性与医疗质量提升。RISE-IIH倡议由国际多学科专家联合发起，旨在建立一套严谨、可量化的卓越诊疗标准体系，覆盖诊断确认、影像学评估、视功能监测及生活质量指标。该框架强调腰椎穿刺脑脊液压力测量的标准化操作流程，并引入OCT视网膜神经纤维层厚度、视野缺损进展速率等客观终点作为核心疗效判据。研究回顾多项历史试验发现，现行干预方案在防止视力恶化方面的结果差异显著，部分归因于入选标准和终点定义的异质性。RISE-IIH提出分层管理路径，推动从经验性治疗向精准干预过渡，尤其关注年轻肥胖女性群体的长期神经眼科结局。其最终目标是为全球IIH中心提供统一基准，支撑高质量随机对照试验设计，并为监管审批与医保决策提供可靠证据基础，标志着IIH从边缘化疾病向系统化管理的重大转折。

#IIH#诊疗标准#OCT +2

Eye (Nature)

自动化OCT定制及同日生物标志物靶向微视野检查在地图状萎缩中的应用

本研究开发并验证了一种基于深度学习的自动化、生物标志物靶向、实时微视野（MP）方法，用于地图状萎缩（GA）患者的个体化结构-功能评估。通过光谱域光学相干断层扫描（OCT）和中视网膜微视野检查，识别出椭圆体带损失（EZL）和视网膜色素上皮损失（RPEL）区域。算法选择40个生物标志物靶向视网膜测试点，根据病变形态动态调整测试点密度，并优先在EZL区域内进行。统计分析采用多变量混合效应模型。在64只眼（来自44名患者，平均年龄79.1±5.0岁，59%为女性）中，共测试了2,560个靶向MP刺激点。结果显示，RPEL区域的平均视网膜敏感度（RS）为7.2±7.4 dB，EZL区域为13.3±7.1 dB，保留视网膜区域为19.0±5.0 dB。

#OCT#微视野检查#地图状萎缩