全部资讯

PubMed Ophthalmology #145/864

混合方法与CNN回归器预测视网膜阻塞患者治疗后视力

该研究提出了一种结合传统方法和深度学习技术的混合模型，用于预测视网膜阻塞患者在12个月治疗后的视力恢复情况。通过引入卷积神经网络（CNN）回归器，研究人员能够更准确地分析光学相干断层扫描（OCT）图像中的细微变化，并据此预测患者的长期视力结果。研究发现，这种混合方法相较于单一的传统方法或纯机器学习方法，在预测精度上有了显著提升。这一成果不仅为临床医生提供了更为可靠的决策支持工具，也为未来基于影像学数据的个性化治疗方案设计奠定了基础。

#人工智能#视网膜阻塞#视觉预测

PubMed Ophthalmology #146/864

2型糖尿病患者视网膜微血管参数与肾病风险

该研究通过回顾性分析，探讨了2型糖尿病（T2DM）患者伴或不伴有糖尿病肾病（DKD）的视网膜微血管参数。研究纳入117名DKD患者和179名非DKD患者，利用人工智能系统从眼底照片中提取多种视网膜微血管参数，包括硬渗出、棉絮斑、出血点、微动脉瘤的数量，以及分支角度、分形维度、血管直径等。结果显示，多个视网膜参数在两组间存在显著差异，如硬渗出、棉絮斑、微动脉瘤、出血点的数量，分形维度，平均血管直径等。单变量和多变量逻辑回归分析发现，年龄、收缩压、T2DM病程、糖尿病视网膜病变分期及3毫米黄斑无血管区内的血管密度是DKD的独立危险因素。这些结果表明，视网膜微血管参数可能作为非侵入性工具，用于早期识别T2DM患者的肾功能损害。

#2型糖尿病#糖尿病肾病#视网膜微血管参数 +1

PubMed Ophthalmology #147/864

基因组学揭示斯蒂克勒综合征潜在治疗靶点

斯蒂克勒综合征是一种遗传性结缔组织疾病，主要影响胶原蛋白，导致关节、骨骼异常、听力损失和视觉障碍。先前研究表明，胶原编码基因的突变是该病的主要原因。然而，复杂的遗传背景尚未完全阐明，限制了针对性治疗和生物标志物的发展。本研究通过生物信息学方法，鉴定了24个与斯蒂克勒综合征相关的基因，并选择了其中22个进行富集分析。基于这些基因的功能注释和参与的生物学通路，构建了蛋白质-蛋白质相互作用网络，识别出9个关键基因。这些基因主要涉及细胞外基质组织、胶原纤维组织、骨骼系统发育等过程。进一步的药物-基因相互作用分析表明，这9个关键基因中有6个可能与FDA批准的化合物相关。本研究为未来斯蒂克勒综合征的生物标志物发现和治疗探索提供了系统框架。

#斯蒂克勒综合征#基因组学#生物信息学

PubMed Ophthalmology #148/864

多模态MRI影像组学-临床融合模型预测甲状腺眼病静脉糖皮质激素治疗反应

本研究旨在开发一种多模态MRI影像组学-临床融合模型，以预测甲状腺眼病（TED）患者对静脉糖皮质激素（IVGC）治疗的反应。研究纳入了来自两个机构的108名TED患者（78名应答者，30名非应答者），并评估了治疗完成12周后的反应。通过单因素逻辑回归确定了与治疗反应相关的临床预测因子，并从治疗前T1加权成像（T1WI）和脂肪抑制T2加权成像（T2WI-FS）中提取了影像组学特征和深度迁移学习（DTL）特征。最终构建了一个结合影像组学-深度学习融合（RDL）评分和独立临床预测因子的综合模型。该模型在训练集和测试集中分别达到了0.916和0.862的AUC值，显著优于仅基于临床数据的模型。研究表明，这种多模态MRI影像组学-临床融合模型能够准确预测TED患者的IVGC治疗反应，为个性化治疗提供了无创工具。

#甲状腺眼病#影像组学#深度学习

PubMed Ophthalmology #149/864

自动图像配准技术提升角膜神经密度评估

活体共聚焦显微镜（IVCM）在评估角膜下基质神经丛的神经密度时，通常依赖手动量化单个z扫描，限制了其作为生物标志物在诊断缘干细胞缺乏症（LSCD）中的应用。本研究开发了一种自动化3D重建方法，通过结合相位相关和单应性变换的图像配准算法，显著提高了IVCM图像体积的对齐精度。该方法在99个IVCM堆栈（来自63只LSCD眼和23只正常眼）的数据集上进行了验证，结果显示自动配准的成对图像相关性为0.69，互信息为0.60，显著优于手动配准（分别为0.60和0.43；p<0.001）。进一步在独立数据集上的验证也显示了良好的性能，表明该方法能够支持更准确、可重复的3D评估，从而提高LSCD生物标志物的检测准确性。

#角膜神经密度#自动化图像配准#IVCM

PubMed Ophthalmology #150/864

ChatGPT在鉴别眼表肿瘤中的准确性研究

该研究旨在评估ChatGPT-4在鉴别结膜上皮内瘤变（CIN）、翼状胬肉和假性翼状胬肉中的诊断可靠性及其推荐治疗策略的能力。研究使用了60例经组织病理学确诊的病例，包括CIN、翼状胬肉和假性翼状胬肉各20例。每个病例包含详细的临床数据，如病史、裂隙灯检查结果、前段光学相干断层扫描（AS-OCT）和活体共聚焦显微镜（IVCM）描述。这些数据被整合成标准化的临床摘要并上传至ChatGPT-4进行分析。结果显示，ChatGPT-4在鉴别CIN、翼状胬肉和假性翼状胬肉方面的准确率分别为85%、75%和70%，治疗建议与专家意见的一致率为80%。尽管ChatGPT-4在某些情况下存在误诊，但其作为辅助决策工具的潜力值得关注。

#人工智能#眼科诊断#眼表肿瘤

PubMed Ophthalmology #151/864

双侧Duane综合征伴外斜视的临床特征与手术效果

该研究旨在探讨双侧Duane综合征伴外斜视患者的临床特征及手术效果。通过对2010年至2024年间确诊的45例患者（男性占51%）进行回顾性分析，发现最常见的类型为双侧3型Duane综合征（49%）。术前平均偏斜角度在远距离和近距离分别为29.84±17.73Δ和32.49±18.44Δ。术后，远距离和近距离的偏斜角度分别减少了23±5Δ和26±5Δ。最终随访时，远距离和近距离的平均偏斜角度分别为8±12Δ和12±12Δ。手术成功率为：主要位置偏斜59%，异常头位86%，眼球回缩57%，过冲50%。个体化手术管理方案能有效改善对齐和头位。

#Duane综合征#外斜视#手术效果

PubMed Ophthalmology #152/864

AI辅助视觉障碍筛查模型的社区应用评估

全球有超过6亿人受视觉障碍（VI）影响，显著降低生活质量。在新加坡，约20%的60岁及以上成人（约18万人）患有VI，预计到2030年这一数字将翻倍。尽管约一半的VI病例由未矫正的屈光不正引起，其余则由年龄相关疾病导致。当前的传统筛查模式为两次访问、劳动密集型且随访率低，常有不必要的转诊。本研究旨在通过一项两臂实用随机对照试验，评估AI辅助筛查模型与传统筛查模型在转诊准确性、操作效率、患者接受度、可行性和成本方面的差异。该研究计划招募1000名50岁及以上的参与者，其中AI辅助组将使用先前开发并验证的深度学习模型进行现场视网膜照片分析，阳性病例将被转介给验光师进行二次评估。传统筛查包括针孔视力、眼压、裂隙灯检查、自动验光和视网膜摄影。所有L2参与者将完成患者接受度问卷，并进行地面真实情况评估。

#AI辅助筛查#视觉障碍#随机对照试验

PubMed Ophthalmology #153/864

超快速视觉感知技术突破人类极限

受生物视觉系统启发，光学流算法通过计算空间运动矢量，使机器人在动态环境中表现出色。然而，现有算法尽管在基准数据集上达到人类水平的任务性能，但存在显著的时间延迟，限制了实际应用。本研究引入了一种神经形态时间注意力硬件，模拟视网膜与外侧膝状体（LGN）之间的交互，直接在硬件中提取时间运动线索。该系统使用二维突触晶体管阵列，编码亮度变化并在模拟非易失性状态下累积，生成紧凑的兴趣区域（ROI）。这些ROI作为输入传递给传统的下游光学流和视觉算法，实现超快速运动分析。硬件层面，突触晶体管具有高频率响应（约100微秒）、非易失性（超过10,000秒）和耐久性（超过8,000次循环）。与最先进的算法相比，该方法实现了400%的速度提升，超越了人类水平的性能，同时通过时间先验保持或提高了准确性。

#视觉感知#神经形态硬件#突触晶体管

PubMed Ophthalmology #154/864

融合Transformer框架SwinCup-DiscNet助力青光眼早期诊断

青光眼是全球永久性视力障碍的主要原因之一，其病理机制涉及视神经头（ONH）的进行性破坏。早期检测对于预防视力丧失至关重要。本研究提出了一种新的融合Transformer框架SwinCup-DiscNet，该框架结合了视盘和视杯特征以及基于U-Net的注意力机制，以实现更有效的青光眼筛查。通过提取视盘和视杯的形状描述符，并结合Swin Transformer编码器提取的眼底图像特征，该模型能够综合评估垂直杯盘比（CDR），并最终通过概率融合方法获得青光眼分类。实验结果表明，SwinCup-DiscNet在三个公开数据集（LAG、ACRIMA和DRISTHI-GS）上的表现优于传统的基于CNN的模型和其他仅基于分割的方法，在DSC IoU、准确率、F1分数和CDR MAE等指标上均表现出色。这证明了SwinCup-DiscNet在临床应用中的鲁棒性、可靠性和可解释性。

#青光眼#人工智能#眼科诊断

PubMed Ophthalmology #155/864

泪液脂质组学标志物预测TAO活动性及临床特征关联

该研究通过泪液脂质组学分析，探讨了甲状腺相关眼病（TAO）活动期的脂质代谢变化，筛选出与疾病活动相关的生物标志物，并分析其与临床特征的相关性。研究纳入32例活动期TAO患者和30例非活动期TAO患者，采用液相色谱-质谱法（LC-MS）进行泪液样本的脂质组学分析，识别差异脂质分子。通过主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）等多变量统计方法，结合机器学习算法评估脂质生物标志物的预测能力。研究发现，活动期TAO患者的泪液中存在247种显著差异的脂质，其中104种上调，主要涉及鞘脂、甘油磷脂和甘油脂。通过机器学习，选择了四种脂质（BisMePA(36:6e), MGMG(38:0), PC(38:3), SM(d38:1)），这些脂质对TAO活动性的预测能力良好（AUC >0.8）。此外，这些脂质与血液脂质指标、眼球突出度、Schirmer I试验结果以及视网膜无血管区面积（FAZ）显著相关。该研究为TAO活动期的生物标志物筛选提供了新途径，具有潜在的临床应用价值。

#TAO#泪液脂质组学#生物标志物

PubMed Ophthalmology #156/864

仿生自适应瞳孔反射技术在机器视觉中的应用

受生物眼睛进化多样性的启发，研究人员开发了一种仿生视觉系统，该系统集成了半球形成像阵列作为人工视网膜，并使用液态金属形状变换器模拟视觉神经元和自适应人工瞳孔。通过控制液态金属的变形，该系统能够模拟多种动物瞳孔形状，并在强光下自动调整瞳孔大小以减少曝光量，从而提高高光条件下的图像识别准确性。此外，该系统还展示了超宽视野、自适应光线调节和图像识别功能，进一步证明了其在仿生机器人系统、高级机器视觉和自动驾驶领域的潜力。

#仿生技术#机器视觉#液态金属