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。

本研究提出了一种名为Freqformer的新型变换器架构，能够通过单次扫描高效可视化人类视网膜循环，解决OCTA信号噪声比低的问题，展现其在视网膜血管疾病诊断中的潜力。

本研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用VET实现。VET提取的OCTA图像质量中等，对比度更高，数据采集时间缩短到2秒。研究表明，VET能够从快速一次重复的OCT扫描中提取血管图像，有助于准确诊断。

本研究解决了糖尿病视网膜病变（DR）早期检测工具缺乏有效数据支持的问题。通过收集和标注268幅视网膜图像，研究提供了一个可供研究人员和医生使用的OCTA数据集，便于开发自动化诊断工具。其主要发现将能够促进DR的早期诊断和治疗。

本研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用VET实现。VET提取的OCTA图像质量中等，对比度更高，数据采集时间缩短到2秒。研究表明，VET能够从快速一次重复的OCT扫描中提取血管图像，有助于准确诊断。

本研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用Vasculature Extraction Transformer（VET）实现。VET提取的OCTA图像质量中等，对比度更高，数据采集时间缩短到2秒。VET在处理颈部和面部OCTA数据时优于SV和ED算法。该研究表明，VET能够从快速一次重复的OCT扫描中提取血管图像，有助于准确诊断患者。

我们提出了Polar-Net深度学习框架，通过将OCTA图像映射到极坐标系，结合ETDRS网格和临床信息，提高了AD检测性能，并与临床观察一致。在数据集评估中，Polar-Net表现优越，为视网膜血管变化与AD关联提供了病理证据。

该研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用VET实现。VET提取的OCTA图像具有更高的图像对比度和中等的质量，并将所需数据采集时间缩短到了大约2秒。

该研究提出了一种新的眼底图像无源主动域适应方法，可提高DR分级性能。实验结果表明，准确率提高了20.9%，加权kappa系数提高了18.63%。