眼底影像AI分级筛查：糖网病变识别实验进展

糖尿病视网膜病变是主要致盲原因之一，基层筛查长期面临眼底照片判读人力不足的问题。实验室近期围绕眼底彩照病变分级开展实验性研究，验证卷积神经网络在五级分级任务上的可行性。本阶段进展：1、基于公开数据集与脱敏临床影像构建约1.2万张训练集，采用迁移学习与病灶注意力机制，五级分级验证集准确率达87.4%，微血管瘤、出血点等病灶的定位热图与人工标注重合度约78%；2、针对成像质量差异引发的误判，增设影像质量前置评估模块，对模糊与欠曝样本先行拦截，分级误报率下降约12%。下一步将与区域筛查点合作开展前瞻性小样本验证，重点评估不同相机型号与瞳孔条件下的稳定性，并建立轻度病变与正常样本的边界案例复核流程。团队坚持以可复现实验与误例分析驱动模型迭代，不追求单点指标，优先控制筛查场景下的假阴性风险。