学术研究 2026年10月27日 联合SAM分割与时间序列分类识别水平眼震 研究提出一种基于深度学习的新方法，用于从眼动视频中自动识别水平眼震。该方法先用卷积神经网络剔除无效视频帧，再用SAM模型提取瞳孔运动轨迹，最后通过空间注意力机制和多尺度一维时序卷积分类器判断是否存在水平眼震。在临床采集的视频数据集上，瞳孔定位准确率达79.53%，眼震检测精确率达81%，优于其他同类方法。 #人工智能#眼震#医学影像分析 PubMed Ophthalmology
学术研究 2026年10月27日 眼震与眩晕诊断的AI与便携技术进展综述 该综述整合了1952至2026年间约50篇文献，聚焦AI分析、临床医学、便携硬件和远程医疗四大方向。研究显示，经典机器学习模型对眼震识别准确率达98.77%，深度学习模型可在普通智能手机RGB视频中实现与金标准视频眼动图相当的慢相速度测量。ARKit应用、3D打印护目镜等便携设备正提升基层可及性，但数据稀缺、环境敏感性和AI不可解释性仍是临床落地的主要障碍。 #眼震#眩晕#人工智能 +2 PubMed Ophthalmology