跳转到主要内容

#眼科

7 篇

与"眼科"相关的眼科资讯

学术研究

人工智能在IgG4相关眼病与眼眶MALT淋巴瘤鉴别中的应用

免疫球蛋白G4相关眼病（IgG4-ROD）和眼眶黏膜相关淋巴组织（MALT）淋巴瘤的鉴别诊断一直是临床难题，因其影像学特征和临床表现高度相似。近年来，人工智能（AI），尤其是放射组学和深度学习技术，在提高诊断准确性方面展现出巨大潜力。通过提取高维影像特征并构建稳健的预测模型，这些技术能够显著提升诊断精度。本综述系统性地探讨了当前AI在区分IgG4-ROD与眼眶MALT淋巴瘤中的应用现状，重点介绍了基于图像特征提取、模型开发及诊断性能评估的关键方法。此外，还讨论了多模态影像数据整合的各种AI技术，并针对这一临床背景提出了深度学习架构优化策略。尽管AI辅助诊断工具在实际应用中面临样本量小、单中心回顾性设计、数据变异性、可解释性等问题，但通过综合近期研究成果，本文旨在提供一个全面的AI驱动诊断进展概览，评估现有挑战，并提出未来改进方向，以支持更精准的临床决策。

#人工智能#眼科#诊断
PubMed Ophthalmology #1/7
READ
学术研究

TriFTM-Net：高精度术中导航下的黄斑水肿病理分割与重建

眼科疾病严重影响全球众多患者的视力。准确且实时的3D重建对于提高黄斑水肿和视网膜裂孔手术效率及成功率至关重要。然而，病变区域常伴有大量噪声和高度异质性，成像设备也可能引入电子噪声和伪影。现有的2D医学图像分割技术难以达到理想效果。为此，研究人员提出了一种新的三路径傅里叶时域调制网络（TriFTM-Net），该网络整合了空间、频率和时空特征，显著增强了特征表示和提取能力。TriFTM-Net由三个关键模块组成：三路径频谱分层编码器（TPSHE）、特征重调制模块（FRM）和分层特征重建模块（HFRM）。实验结果表明，TriFTM-Net在OIMHS数据集上实现了最高的Dice分数、IoU和Kappa系数，优于十三种基线方法。

#眼科#黄斑水肿#视网膜裂孔 +2
PubMed Ophthalmology #2/7
READ
学术研究

硫化氢在眼科生理与病理中的双重角色

硫化氢（H₂S）曾被视为有毒气体，现已被确认为维持眼部稳态的关键气体信号分子。本文综述了H₂S在眼内的复杂作用机制，探讨其通过三种主要酶途径（CBS、CSE和3MST/CAT系统）合成，并通过蛋白质巯基化、离子通道调节（KATP, Ca²⁺）及转录调控（Nrf2/ARE, NF-κB, cAMP/cGMP）发挥功能。H₂S的失调与多种眼病如青光眼、糖尿病视网膜病变和视网膜退行性变有关，其作用取决于浓度、细胞环境和疾病阶段。研究还评估了先进的递送平台，如原位凝胶和纳米颗粒系统，以实现靶向和持续释放。文章整合了分子机制与矛盾证据，提出了H₂S治疗的理论框架，并指出了实现临床潜力所需解决的未解机制问题和递送障碍。

#硫化氢#眼科#气体信号分子
PubMed Ophthalmology #3/7
READ
学术研究

RETFound Plus：基于时间序列的眼底疾病预测模型

现有视网膜基础模型（FMs）在横断面分类和检测中表现出色，但在疾病发生和发展预测方面效果有限。本研究提出了一种新的基于彩色眼底照片（CFP）的基础模型RETFound Plus，通过时间建模训练了1,304,292张眼底照片，涉及304,345名参与者多次随访的数据。与RETFound相比，RETFound Plus在系统性疾病（如中风、心肌梗死、糖尿病和高血压）的校准和5年风险预测上提高了4-10%的c指数，在眼部疾病（如糖尿病视网膜病变和青光眼）上提高了3-7%的c指数，并且在系统性疾病的风险分层上表现更优。这些结果在英国、美国、新加坡、香港和丹麦的多区域、多民族数据集中得到了一致验证。

#人工智能#眼科#疾病预测
PubMed Ophthalmology #4/7
READ