科学通报 | 北京大学人民医院吴慧娟团队/北京信息科技大学贺泽宇团队开发用于眼科房角关闭定量评估的深度学习技术

近日，北京大学人民医院吴慧娟团队与北京信息科技大学贺泽宇团队合作在《科学通报》发表了题为“基于双模块U-Net深度学习技术定量评估超声生物显微镜下的闭角房角参数”的论文，提出并验证了一种基于双模块U-Net深度学习技术的全自动分析系统。该系统能够从超声生物显微镜（ultrasound biomicroscopy, UBM）图像中自动、精准、快速地量化评估原发性房角关闭疾病（primary angle closure disease, PACD）的关键参数，为这一起病隐匿的致盲性疾病的早期诊断与个性化治疗带来了革命性的工具。

青光眼是全球发病率最高的不可逆性致盲眼病，其中PACD在亚洲地区尤为高发。这类疾病的核心病理特征是前房角关闭，导致房水流出受阻，眼压升高，最终损害视神经。UBM是目前评估前房角状态的核心客观工具，它可以清晰地呈现眼前节的结构。然而，传统的UBM图像判读主要依赖医生的主观经验，耗时长、一致性差，且难以进行精确的定量测量，这极大地限制了其在临床大规模应用和科研潜力。

为破解这一难题，研究团队构建了一套基于标准U-Net架构的双模自动分析系统。这一系统配备了两项核心技能。第一个模块负责眼前节组织自动分割，能精准地将UBM图像中的角膜与巩膜、虹膜、睫状体等关键结构分离出来，其平均交并比分别高达0.93、0.93和0.87。第二个模块专门负责巩膜突（scleral spur, SS）自动定位。SS是测量房角参数的黄金解剖标志点，模型定位的平均误差仅为94.12 μm。

图1. 人工智能模型进行UBM图像多组织分割的代表性结果。

（a）对照组；（b）PACD组。

基于这两步精准的“理解”，系统再通过计算机视觉算法，自动计算出包括小梁虹膜角、房角开放距离、小梁网虹膜间面积以及睫状突面积在内的一系列关键参数。尤其值得一提的是，睫状突面积的自动测量是该系统的开创性突破。睫状突深藏于虹膜之后，其形态变化与PACD的发病机制密切相关，以往难以通过光学手段观察，而该系统首次在UBM上实现了其面积的自动化、高精度测量。

图2. 人工智能模型进行巩膜突定位误差距离不同的代表性结果。

（a–c）对照组；（d–f）PACD组。

这项技术显著提高了UBM图像的临床应用效率。人工处理一张UBM图像，从分割到参数测量，平均需要6分钟以上，而AI系统完成同样的工作仅需1.11秒，效率提升超过300倍。更重要的是，AI的测量结果与资深青光眼专科医生的人工测量高度一致，各项参数的类内相关系数均超过了0.97，达到了可以信赖的临床标准。

这项研究的核心价值在于，它显著提升了UBM影像定量分析的效能，让原本复杂、耗时、主观的参数测量变得简单、快速、精准。这不仅为PACD的早期诊断提供了可靠的辅助决策支持，更使得基于这些定量参数进行个性化治疗决策和疗效预测成为可能，有力推动PACD的诊疗向精准化、智能化方向转变。

北京大学人民医院眼科吴慧娟教授、北京信息科技大学计算机学院计算机科学技术系贺泽宇讲师为本文的通讯作者，北京大学人民医院眼科在读博士生杨丰瑞为本文的第一作者。相关研究得到了首都卫生发展科研专项（2024-2-4087）、北京大学人民医院研究与发展基金（RDGS2024-06）和北京信息科技大学“青年骨干教师”支持计划的资助。

文章信息

杨丰瑞，王博辉，吕坤，等.基于双模块U-Net深度学习技术定量评估超声生物显微镜下的闭角房角参数. 科学通报, 2026.

《科学通报》是中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的综合性中文学术期刊，致力于快速报道自然科学各学科基础理论和应用研究的最新研究动态、消息、进展, 点评研究动态和学科发展趋势。

• 旬刊，每10天出版1期；

• 栏目：进展、评述、快讯、论文、观点、科技前沿、科学访谈、亮点述评、悦读科学等；

• 中国科学院文献情报中心分区表综合性大类1区TOP期刊；

• 中国科技期刊卓越行动计划领军期刊；

• 《中国科技论文与引文数据库》和《中国科学引文数据库》的源期刊，同时被EI、ESCI和Scopus等收录；

• 期刊官网：http://csb.scichina.com.

转载、投稿请留言

| 关注科学通报 | 了解科学前沿