本文研究使用深度学习算法通过视网膜底照片准确预测屈光不正，结果显示使用关注图方法可以识别与屈光不正相关的特征，该算法在 UK Biobank 数据集上的平均绝对误差为 0.56 diopters（95% CI: 0.55-0.56），在 AREDS 数据集上为 0.91 diopters（95% CI: 0.89-0.92），因此，在没有自动折射仪的地区，可以使用移动电话获取视网膜底照片来预测屈光不正水平。

Dec, 2017

近视黄斑变性是近视最常见的并发症，导致了病理性近视患者的视力损失，早期检测和及时治疗对预防近视黄斑病变引起的视力问题至关重要。本研究的关注点是近视黄斑病变分析挑战（MMAC），我们在任务 1 中使用对比学习框架 SimCLR 提高近视黄斑病变的分类准确性，通过有效捕捉无标签数据中丰富的特征。我们为任务 2 开发了独立的分割模型，针对不同的病变分割任务，并采用测试时增强策略进一步提高模型的性能。至于任务 3（球镜等效预测），我们根据数据集的数据分布设计了深度回归模型，并采用集成策略提高模型的预测准确性。我们取得的结果是令人期待的，并使我们在分类任务中位列前 6，在分割任务中位列前 2，在预测任务中位列第 1 位。

Jan, 2024

本研究提出了一种名为 ARTran 的模型，用于高度近视的光学相干断层扫描（OCT）数据的筛查。通过引入可调整的类别嵌入（ACE）和移动子空间转换矩阵（SST），该模型能够适应不同条件下的筛查，并提供了不确定性评估的证据。实验证明了该方法的有效性和可靠性。

Dec, 2023

超宽视野眼底图像在近视相关并发症的筛查、检测、预测和治疗中取代传统眼底图像，其更广阔的视野范围对高度近视眼非常有优势。球等效度（SE）广泛被用作主要的近视结果测量指标，而眼轴长度（AL）作为一个重要的视觉组成部分越来越受到关注，用于评估近视。我们提出了一种通过高阶张量生物标志物建立多变量反应回归模型的统计框架，用于双变量的回归分类和回归回归任务，具体来说，我们提出了一种通过高斯胞联提高卷积神经网络（CeCNN）框架，通过一个估计自启动卷积神经网络的参数得到两个反应之间的依赖性，并使用由背景 CNN 产生的胞联似然损失。我们验证了提出的 CeCNN 在添加了依赖信息到背景模型之后具有更好的预测准确性。这种建模和提出的 CeCNN 算法不仅适用于超宽视野情境，还可以与 ResNet 和 LeNet 等其他骨干网络一起有效地应用。

Nov, 2023

高度近视显著增加了不可逆视力丧失的风险。为提高临床实践中视野评估的普适性，本研究提出了一种新颖、参数高效的框架，通过特征精化和适应性设计，有效地减小领域差异，并在内部和外部验证中取得了显著的成果。

Jul, 2024

虚拟现实头戴设备往往导致用户出现不良影响，如数字视疲劳、干眼症以及潜在的长期视力损害。为了解决测量问题，本研究提出了一种基于 U-Net 3 + 深度学习模型的轻量级框架，可以估计可测量的眼周深度图。该方法适用于任何配备有面向眼部的单眼摄像头的 VR 头戴设备，可以重建三维眼周区域，为相关光刺激计算协议和医疗指南提供度量基础。通过使用 UE MetaHuman 创建的动态眼周数据生成环境，我们合成了数千个训练图像。在 36 名参与者的样本上评估了我们的方法，在眼周全局精度评估实验和瞳孔直径测量方面表现出显著的效果。

Nov, 2023

本文提出了一种基于患者详细测量数据的参数概率模型，以及一种使用现代人工智能技术的自适应数字眼科检查方法，可以显著减少现有方法的错误率，同时还可以模拟自身的不确定性和引入先验信念，适用于早期诊断有关眼病的患者，同时本文的研究成果也对心理测量学领域具有有趣的启示。

Jun, 2019

利用 Blender 软件模拟视力矫正显示器功能，以改善眼睛障碍患者的视觉体验和舒适度。这些模拟结果为未来视力矫正显示器技术的设计和发展提供了有价值的见解，从而提高视力障碍者的可访问性和可用性。

Apr, 2024

使用卷积神经网络直接从两到三个相位多样性光学图像中预测泽尼克系数，对光学像差进行表征，以实现快速准确的相位多样性方法，为真实数据集的评估铺平了道路。

Apr, 2024

本文介绍了深层光学的概念，通过编码式的散焦模糊作为额外的深度线索，以端到端设计的光学和图像处理结合来解决单张图像的深度估计问题，提出了几种光学编码策略，并针对三个数据集进行了深度估计的端到端优化方案评估，结果表明在自由镜面设计方面得到了最佳结果，同时，使用单片透镜的色差也可以实现显著的改善深度估计性能，我们构建了一个物理原型，并验证色彩象差改善了在真实世界中的深度估计结果。此外，我们还在 KITTI 数据集上训练了物体检测网络，并表明为深度估计优化的镜头也导致改进了 3D 物体检测性能。

Apr, 2019