Color fundus photography versus fluorescein angiography in identification of the macular center and zone in retinopathy of prematurity.
PulseAugur coverage of Color fundus photography versus fluorescein angiography in identification of the macular center and zone in retinopathy of prematurity. — every cluster mentioning Color fundus photography versus fluorescein angiography in identification of the macular center and zone in retinopathy of prematurity. across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能在眼科护理中的应用：数据、预处理和模型的协同发展
一篇近期的综述论文详细介绍了人工智能在彩色眼底摄影（CFP）分析领域中数据、预处理和模型技术的协同演进。该论文强调，CFP数据集已从小型、特定任务的集合发展为与电子健康记录（EHRs）集成的大型多模态资源。预处理方法已从基本的图像增强发展到复杂的神经数据工程流程，而建模则从传统的CNN转向了视觉基础模型和状态空间模型。作者们总结认为，未来在临床部署和泛化能力方面的进步将依赖于这三个组成部分的协同优化。
-
新的IDNet框架通过多模态数据融合改进心脏病筛查
研究人员开发了IDNet，一个新颖的多模态框架，旨在通过彩色眼底摄影和临床数据实现更稳健的缺血性心脏病（IHD）筛查。该框架包含一个跨模态蒸馏聚合器（CDA），可有效融合视觉特征和表格特征，解决了高维图像数据与低维临床变量之间的不平衡问题。为了支持这项研究，使用UK Biobank数据创建了一个新的、可复现的基准，该基准包含来自25,205名受试者的50,410张图像，证明了IDNet在性能上优于现有方法。
-
新基准FunPIQ可实现眼底图像的像素级质量评估
研究人员推出了一种名为FunPIQ的新型眼底图像像素级质量评估基准，解决了现有数据集侧重于图像级质量评估的局限性。该新基准提供了像素级标注，能够对图像退化进行更精细、与任务无关的评估。伴随的EFIQA-CP方法是一种可解释性设计方法，利用这些标注来训练CNN，以改进眼底图像质量评估。
-
人工智能利用多模态成像合成视网膜血管造影
研究人员开发了一个新框架，可以从眼底图像和光学相干断层扫描（OCT）扫描中合成荧光素血管造影（FFA）。该方法解决了先前仅依赖眼底摄影方法的局限性，后者无法捕捉功能性血管信息。新框架整合了来自OCT扫描的结构化指导，为视网膜血管评估提供了更全面的方法。
-
EyeMVP模型通过配对的CFP-OCT预训练增强视网膜分析
研究人员开发了EyeMVP，这是一种用于视网膜图像分析的新型基础模型，它整合了彩色眼底摄影（CFP）和光学相干断层扫描（OCT）的数据。EyeMVP在来自超过112,000名患者的配对CFP-OCT图像的大型数据集上进行了预训练，学会了利用OCT衍生的结构信息来增强CFP表示。这使得在推理过程中仅使用CFP图像即可进行更准确的诊断，在检测黄斑水肿和近视性黄斑劈裂等任务上的表现优于现有模型和人类眼科医生（在探索性研究中）。