视网膜黄斑病变OCT图像AI辅助诊断实战指南.docxVIP

视网膜黄斑病变OCT图像AI辅助诊断实战指南

一、指南总览与适用对象

1.本指南旨在为眼科、眼底病专科、体检中心及AI辅助诊断系统提供商提供一套可落地的视网膜黄斑病变OCT图像AI辅助诊断方法，通过深度学习模型实现黄斑区视网膜层分割、病变检测、分类及进展预测，提升眼科医师对黄斑病变（如年龄相关性黄斑变性、糖尿病黄斑水肿、中心性浆液性脉络膜视网膜病变等）的诊断效率与准确性。

2.核心目标：黄斑病变检出敏感度达到95%以上，视网膜层分割Dice系数达到0.90以上，常见病变分类准确率达到90%以上，单次OCT扫描分析时间缩短至10秒以内，医师阅片工作量降低50%。

3.适用对象：眼科医师、眼底病专家、AI算法工程师及眼科影像技师。适用于门诊OCT筛查、糖尿病视网膜病变黄斑水肿评估、AMD活动性判断及抗VEGF治疗随访。

4.技术路线：采用U-Net及其变体（如U-Net++、AttentionU-Net）进行视网膜层分割，结合三维卷积网络（3DCNN）或Transformer处理B-scan序列，实现病变检测与分类，通过时序配准评估疾病进展。

5.预期效果：早期黄斑病变发现率提升，抗VEGF治疗应答预测更精准，降低不可逆视力损伤风险，提升基层眼科诊疗能力。

二、数据准备与标注规范

1.影像数据采集：收集频域OCT设备采集的黄斑区三维数据（包含至少31帧B-scan，每帧