相关实验视频
Updated: Jan 14, 2026
10:46
Doppler Optical Coherence Tomography of Retinal Circulation
Published on: September 18, 2012
19.2K
基于深度学习的自动报告生成器用于视网膜光学连贯性断层扫描图像
Xinjian Chen1,2,3, Huazhu Fu4, Jingtao Wang2
1Health Management Center, Sichuan Provincial People's Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, China.
NPJ digital medicine
|October 20, 2025
概括
一个新的AI模型,多标签OCT报告生成 (MORG),可以解释光学一致性断层扫描 (OCT) 图像并生成报告. 这种深度学习工具可以帮助眼科医生准确地分类病理,减少报告起草时间.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 解读光学连贯断层扫描 (OCT) 图像对于诊断视网膜疾病至关重要,但对眼科医生来说耗时.
- 自动化OCT图像分析可以提高诊断效率并减少工作量.
研究的目的:
- 引入多标签OCT报告生成 (MORG) 模型,这是一个用于自动化OCT图像解释和报告生成的深度学习系统.
- 评估MORG的表现与人类专家和其他AI模型相比.
主要方法:
- 在MORG模型中,使用双图像编码器从OCT图像对中提取特征.
- 一个带有注意力机制的多尺度模块融合了功能,随后是用于报告生成的句子解码器.
- 该模型在57,308对视网膜OCT图像对上进行了训练和测试.
主要成果:
- 对于16种病理,MORG实现了37种描述型的高分类准确性.
- 在盲目评分中,MORG在5分中获得4.55分,与眼科医生的4.63.5分非常接近.
- 该模型显示,该模型有可能将报告起草时间缩短58.9%.
结论:
- MORG模型显示出作为眼科医生人工智能辅助工具的显著前景,提高了OCT图像解释的效率.
- MORG的性能表明其在临床环境中的实用性,用于更快,更准确的视网膜图像分析.
- 这种人工智能方法可以大大减轻眼科医生的工作量,使他们能够专注于患者护理.
