本研究解决了糖尿病黄斑水肿（DME）患者治疗反应预测的难题，提出了预治疗分层的新方法，旨在提高抗VEGF疗法的预测准确性。通过2021年APTOS大数据比赛，提供了包含数万张OCT图像的数据集，参赛队伍展现了人工智能在个性化DME治疗中的巨大潜力，顶尖团队Achieved an AUC of 80.06%。

本研究提出了MuTri框架，旨在改善光学相干断层扫描（OCT）到光学相干断层扫描血管造影（OCTA）图像的翻译效果。该框架通过向量量化变分自编码器进行预训练，并引入语义和血管结构对齐技术，实现了有效的OCT到OCTA映射。此外，研究还收集了第一个大规模数据集OCTA2024。

本研究提出了一种新颖的ViT-2SPN框架，旨在解决OCT诊断工具面临的数据集不足和隐私问题。通过自监督预训练，该方法在OCTMNIST数据集上实现了0.93的平均AUC和0.77的准确率，显著优于现有技术。

本研究提出了一种新颖的“OCT增强视网膜疾病识别”方法，旨在解决多模态学习在临床应用中的不足。通过OCT-CoDA方法，有效提取OCT图像中的疾病信息，显著提高了诊断性能。

本研究旨在解决传统视网膜层分割过程中精确度不足和几何基础缺失的问题。采用概率签名距离函数（SDF）进行视网膜层形状的参数化，并通过集成概率建模来捕捉形状参数化中的不确定性。研究结果表明，该方法在抗噪声和不确定性环境下，能够可靠分割视网膜层，并为层完整性特征化提供了初步依据，具有重要的临床应用潜力。

本研究解决了医学图像去噪中的关键特征保留问题，避免引入新伪影，进而影响分类和诊断效果。提出的上下文棋盘去噪方法能够仅从包含噪声的图像数据集中学习去噪，同时保留重要的解剖细节。实验结果表明，该方法显著提高了光学相干断层成像(OCT)图像的质量和诊断准确性。

本研究提出了一种结合结构性指导和文本驱动的弱监督语义分割方法，以提高光学同调断层扫描（OCT）图像的分割精度。该方法通过融合视觉与文本信息，在三个OCT数据集上取得了优异表现，提升了医学影像诊断的准确性和效率。

研究提出了一种新颖的深度学习方法，通过联合预测平行超平面，准确估计晚期干性年龄相关性黄斑变性（dAMD）的风险。模型在不同数据集上，6、12和24个月的预测间隔内的平均AUROC值为0.82和0.83，显示出良好的预测能力。文章还介绍了DeepSeeNet、ReLaX和Morph-SSL等其他相关研究，展示了深度学习在医学影像预测中的应用潜力。

该研究提出了一种基于集成学习的方法，用于筛查糖尿病视网膜病变。该方法利用多种视网膜图像处理算法提取特征，并在测试中表现出90%的敏感性、91%的特异性、90%的准确性和0.989的AUC指标。

本研究提出了一种利用残差U-Net架构的增强降噪模型，以提高ASOCT和PSOCT图像的清晰度。该模型在降噪和保持关键解剖特征方面表现出了显著的改进，优化了诊断过程。

通过混合的深度学习模型，结合 NFL 反射和其他 OCT 参数，提高青光眼诊断的准确性。

提出了一种混合注意力结构的网络 (HASPN) 来实现对非采样光学相干断层扫描图像的超分辨率恢复，以加快图像采集速度，并在糖尿病性黄斑水肿视网膜资料集上验证了其良好的泛化能力。

我们提出了一种自我监督的机器学习框架OCT-SelfNet，用于检测眼部疾病。通过多个机构的数据集和两阶段训练方法，我们的方法在测试中获得了超过77%的AUC-ROC性能，相比基线模型提升了至少10%。

3D深度学习模型在医学影像领域中起重要作用，但规模带来挑战。2.5D方法结合2D和3D技术，提供有效利用3D体积数据的途径。本文探索基于CNNs、LSTM和Transformer的2.5D架构，并利用2D非对比性预训练方法提高性能和数据效率。在两个大型OCT数据集上展示了该架构在预测AMD进展方面的有效性。

本文介绍了一个端到端训练框架，结合了去偏置分类器和反事实图像生成，提出了假象相关性附着分数（SCLS）作为度量标准。通过实验证明该方法能学习到可推广的标记，并忽略假象相关性，专注于疾病病理。

深度学习在生物医学图像分析中受限于注释数据少，研究表明利用去噪扩散概率模型（DDPM）合成逼真图像，通过知识适应提高伪标签准确性，有助于视网膜分割任务。合成图像训练的模型效果可媲美真实图像训练的模型，显示DDPM减少人工注释需求的潜力。

2023年8月23日，Nathan Bossart提交了补丁，添加了to_bin()和to_oct()函数，用于将数字转换为二进制和八进制表示。这个补丁还将to_hex()的基础转换代码移至一个共同的辅助函数中，并对这些函数进行了澄清，包括旧的to_hex函数，它们都使用二进制补码表示。这个补丁将为开发人员带来方便。

本研究评估了大规模的OCT数据集，探索了基于Prompt的Segment Anything Model（SAM）在视网膜OCT扫描中的应用。研究结果显示SAM作为一个强大的分割模型，在视网膜OCT扫描中表现出适应性和韧性，并为该领域的进一步发展铺平了道路。

SQL and integer notations NEW in PostgreSQL 16 – support for non-decimal notation of integer constants! PostgreSQL already has powerful support for string constants, with E'\t', E'\011',...