新型深度学习网络提升OCT视网膜疾病检测
摘要
糖尿病黄斑水肿、老年性黄斑变性和视网膜静脉阻塞等眼疾需要及时准确的诊断。光学相干断层扫描（OCT）是重要的诊断工具，但其图像解读复杂。为此，研究人员开发了AMDF-Net，一种结合多种先进模块的深度学习架构，能够更精准地识别和定位视网膜病变。实验结果显示，该网络在公开数据集上的Dice系数达到98.87%，分类准确率为98.12%。
信息来源： PubMed Ophthalmology 发布于 2026年3月30日
要点速览
- AMDF-Net是一种用于OCT图像分析的深度学习架构，旨在提高视网膜疾病的检测精度。
- 该网络结合了HSST、DAF和DIS等模块，以更好地识别和定位视网膜病变。
- 实验结果显示，AMDF-Net在公开数据集上的Dice系数达到98.87%，分类准确率为98.12%。
本站解读
近年来，随着人工智能技术在医疗领域的广泛应用，眼科诊断也迎来了新的变革。AMDF-Net的出现标志着OCT图像分析技术的重大进步，它通过融合Hybrid Spectral-Spatial Transformer (HSST) 和Dynamic Attention Fusion (DAF) 等模块，显著提升了视网膜疾病的自动检测能力。这一技术路线的变迁不仅提高了诊断的准确性，还为临床医生提供了更为可靠的决策支持。
从商业格局来看，AMDF-Net的成功可能引发新一轮的技术竞争。国内外多家企业都在积极布局AI辅助诊断领域，如谷歌、IBM以及国内的一些初创公司。这些企业在研发管线上的进展将直接影响未来市场的格局。目前，国外企业在技术积累和市场推广方面占据一定优势，但国内企业凭借本土化的优势也在迅速崛起。
值得注意的是，尽管AMDF-Net在实验中表现出色，但其实际应用效果仍需进一步验证。后续需要密切留意的是，该技术在不同医疗机构中的实际部署情况，以及其在大规模临床应用中的表现。此外，监管政策的变化也将对这类技术的普及产生重要影响。
常见问题
这种新技术能帮助我更快地得到诊断结果吗？
AMDF-Net可以提高OCT图像分析的准确性和速度，有助于更快地获得诊断结果。如有疑虑可咨询眼科医生。
这项技术什么时候能在医院里用上？
具体时间取决于技术的进一步验证和监管审批。目前尚无明确的时间表，但预计在未来几年内可能会逐步推广。
延伸阅读
基于深度学习的OCT重建技术提升视网膜成像速度与对比度
光谱域光学相干断层扫描（SD-OCT）在眼科临床中广泛应用，但其成像速度和灵敏度受限。本研究提出一种基于深度学习的方法，通过改进的U-Net架构来增强SD-OCT系统的成像速度和灵敏度。该方法采用视觉状态空间模型，从高速采集的数据中合成高信噪比（SNR）的OCT和OCTA图像，从而绕过硬件限制。实验结果表明，该方法在高SNR OCT/OCTA重建中表现出色，提高了视网膜各层之间的对比度，并清晰地描绘了层边界。微血管和脉络膜等细小结构也得到了成功恢复。这一技术为实现高速成像和高灵敏度提供了新的途径。
基于深度学习的OCT数据预测青光眼视野平均偏差
该研究旨在评估数值光学相干断层扫描（OCT）数据能否通过深度学习（DL）预测Humphrey视野分析仪（HFA）30-2视野平均偏差（MD）。回顾性分析了1200只眼睛（432只青光眼和768只正常眼睛），这些眼睛在同一天进行了频域OCT（12×9.0-mm高密度扫描）和HFA 30-2测试。像素级视网膜厚度数值直接从OCT导出并输入八个深度学习模型，包括五个卷积神经网络（ResNet50、VGG16、InceptionV3、EfficientNetB0和DenseNet121）和三个视觉变换器（ViT、DeiT和BEiT）。研究进行了两个任务：回归任务预测连续HFA MD值，分类任务区分预定义MD阈值下的视野恶化。对于回归任务，使用标准回归指标评估模型性能，并通过Bland-Altman分析评估预测与测量MD值的一致性。对于分类任务，使用基于阈值的判别指标评估模型性能。所有模型中，InceptionV3表现最佳，平均绝对误差为3.36 dB，决定系数为0.53。在临床相关MD阈值的分类分析中，基于CNN的模型在早期、中期和严重视野损失中表现出高判别性能。该研究开发了一种准确且可解释的DL系统，直接利用原始OCT厚度数据预测HFA 30-2 MD值，可能增强青光眼的诊断。
基于OCT和深度学习的糖尿病周围神经病变早期诊断
研究开发了一种非侵入性的糖尿病周围神经病变（DPN）诊断工具，利用多模态光学相干断层扫描（OCT）图像和多头注意力机制的深度学习算法。该模型在3264张OCT图像上进行训练和验证，结果显示其在五折交叉验证中的平均AUC为0.719，在时间验证数据集中的AUC为0.721。无血管层提供了最高的预测价值，表明这种非侵入性方法具有临床应用潜力。