眼底荧光素血管造影（FFA）作为诊断视网膜血管疾病的金标准，传统方法需注射染料，存在潜在副作用。最新研究成果，一种统一的深度学习模型，能够从眼底结构图像预测FFA图像，为无创眼底疾病诊断带来新希望。

在最新发表于Journal of Innovative Optical Health Sciences的论文中，中国科学院苏州生物医学工程技术研究所何益研究员团队提出了一种基于监督生成对抗网络的统一深度学习模型，该模型能够从眼底结构图像预测FFA图像。这一技术不仅避免了传统FFA所需的静脉注射染料，还显著提高了预测的准确性和效率。

Unified deep learning model for predicting fundus fluorescein angiography image from fundus structure image

Yiwei Chen, Yi He, Hong Ye, Lina Xing, Xin Zhang, and Guohua Shi

Journal of Innovative Optical Health SciencesVol. 17, No. 03, 2450003 (2024)

https://doi.org/10.1142/S1793545824500032

主要创新点：

1. 统一模型处理多种预测任务，简化了设计和实施过程。

2. 引入自注意力模块，提升了模型对图像特征的捕捉能力。

3. 通过RGB格式的创新应用，实现了三相FFA图像的有效表示。

4. 与现有技术相比，该模型在PSNR、SSIM和MSE评估中表现出更高相似度。

应用前景：

该模型的提出，为眼科疾病的筛查和诊断提供了一种新的非侵入性工具，尤其适用于老年人群。未来，这项技术有望整合入临床工作流程，首先用于人群筛查，再结合传统FFA技术进行确诊，从而提高诊断效率和患者安全性。

结语：

何益研究员团队的这项研究不仅推动了眼科图像处理技术的发展，也为深度学习在医学领域的应用开辟了新的道路。这一突破性成果预示着未来眼科诊断技术的革新，为患者带来更为安全、高效的医疗体验。

通讯作者简介：

何益，中国科学院苏州生物医学工程技术研究所，研究员，中国科学技术大学博士生导师，面向眼科光学、生物光子学等领域的在体光学成像需求，致力于发展新型的光学成像与检测技术研究，研究内容涵盖成像方法、核心部件、关键技术，应用解决方案、仪器系统研制。