#眼科诊断

PubMed Ophthalmology #1/9

PathFinder AI工具在非视网膜专家中的诊断一致性评估

本研究旨在评估非视网膜专科医生（NRS）使用PathFinder人工智能辅助工具与视网膜专科医生在诊断和转诊决策上的一致性。研究纳入了202名连续接受CIRRUS平台OCT检查的患者，其中PathFinder AI模块被用于辅助诊断。结果显示，在202只眼睛中（平均年龄62.7 ± 12.3岁），PathFinder AI工具在资源有限的情况下具有显著的实时决策支持价值，但在特定疾病尤其是威胁视力的条件下，仍需进一步优化和临床监督。

#人工智能#眼科诊断#视网膜疾病

PubMed Ophthalmology #2/9

HOG-CNN：融合梯度直方图与卷积神经网络的视网膜图像分类

视网膜图像分析在早期检测和诊断糖尿病视网膜病变（DR）、青光眼和年龄相关性黄斑变性（AMD）等疾病中至关重要。然而，传统诊断流程依赖于人工解读，耗时且资源密集。为解决这些问题，研究提出了一种基于HOG-CNN混合特征提取模型的自动化临床决策支持框架。该模型将手工设计的梯度直方图（HOG）特征与预训练深度卷积神经网络EfficientNetB3学习到的表示相结合，从而捕捉视网膜图像中的局部纹理模式和高级语义特征。通过在APTOS 2019、ORIGA和IC-AMD三个公开基准数据集上的评估，HOG-CNN在二分类和多分类DR、AMD诊断以及青光眼检测中均表现出色，准确率和AUC值显著高于现有先进模型。此外，其轻量级和可解释的设计使其特别适合资源受限的临床环境。

#视网膜图像分析#人工智能#眼科诊断

PubMed Ophthalmology #3/9

MOLES与Mel对比研究揭示眼科诊断新路径

该研究通过对比分析MOLES和Mel两种眼科诊断技术，探讨了其在临床应用中的优劣。研究发现，MOLES在检测灵敏度和特异性方面表现出显著优势，尤其是在早期病变的识别上。相比之下，Mel虽然在某些特定条件下仍具有一席之地，但其局限性逐渐显现。研究结果为眼科医生提供了新的诊断工具选择，并可能推动未来眼科诊疗技术的发展方向。

#眼科诊断#技术对比#临床应用

PubMed Ophthalmology #4/9

高分辨率视网膜超光谱成像系统开发与验证

该研究旨在开发一种高分辨率的视网膜超光谱成像（HSI）系统，以实现对阿尔茨海默病、糖尿病视网膜病变和黄斑变性等疾病的早期检测。通过结合快照超光谱相机、高分辨率RGB相机、分束器和内窥镜成像系统，研究人员能够同时提取视网膜血管直径和氧合率。实验结果表明，该系统在视网膜模型中表现出良好的空间分辨率和光谱保真度，为临床应用提供了新的可能性。

#视网膜成像#超光谱成像#眼科诊断

PubMed Ophthalmology #5/9

方向性OCT技术在临床中的应用探索

方向性光学相干断层扫描（OCT）能够提供不受亨勒纤维层干扰的真实外核层（ONL）测量。本研究旨在通过不同的图像采集和分析方法，开发一种适用于临床的工具。研究使用Spectralis OCT2设备对12名参与者进行了OCT成像，并通过操作者改变OCT光束角度或参与者调整注视点来获取方向性OCT图像。结果显示，自动分割算法返回的ONL厚度较厚，而经过修正后的分割边界与手动分割结果相似。不同方法获得的ONL厚度具有良好的重复性。该研究表明，方向性OCT可以通过操作者改变设备角度或患者调整注视点来实现，且修正后的ONL分割能提供与手动分割相似的结果，同时更加高效。这些方法在临床环境中具有较高的可实施性和可靠性。

#方向性OCT#视网膜成像#眼科诊断

PubMed Ophthalmology #6/9

AI在眼科诊断中的角色：增强与创新

该研究探讨了人工智能（AI）在医学诊断中的两种应用模式：“增强”和“创新”。增强是指通过AI辅助，提升人类在特定任务上的表现，例如计算机辅助诊断（CADx）用于检测息肉。然而，这种增强可能带来技能退化且未必显著改善临床结果。创新则是指利用AI发现人类无法察觉的变量，如从视网膜眼底图像中推导出“视网膜年龄差距”，从而带来新的诊疗方法。研究强调了设计和选择AI应用的重要性。

#AI#眼科诊断#增强与创新

PubMed Ophthalmology #7/9

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 #8/9

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 #9/9

2026年4月1日

基于人工智能的黄斑色素光学密度测量技术综述

黄斑色素是黄斑区的一种重要色素，具有过滤蓝光、抗炎和抗氧化的作用。黄斑色素光学密度（MPOD）是评估黄斑区色素密度的关键指标，与年龄相关性黄斑变性、糖尿病视网膜病变和青光眼等眼病密切相关。本文综述了MPOD的临床意义及其在眼科和其他医学领域的研究价值，并总结了当前的MPOD测量技术。

#黄斑色素#人工智能#眼科诊断