期刊简介
本刊是以微生物学基础研究和应用基础研究以及高技术创新为主的综合性学术刊物，反映微生物学研究领域中最新成果，促进国内外学术交流，为我国的经济建设服务。《微生物学报》是中国自然科学核心期刊，被国内外一些著名的文摘刊物和数据库收录，是我国最早被世界最大医学文献数据库"MEDLARS"作为医学主题词标引的5个中文期刊之一，该刊发行和交换到40多个国家和地区。多次被评为优秀科技期刊，深受国内外广大读者的好评。2001年进入"中国期刊方阵"。报道内容：我国普通微生物学，工业 、农业、医学、兽医微生物学，病毒学，免疫学以及与微生物学有关的生物工程等方面的研究论文、研究简报和小型综述等。读者对象：国内外从事微生物学研究及与微生物学有关的科研人员、管理人员和大专院校师生。
基于人工智能多模态影像的糖尿病视网膜病变早期筛查模型：一项全国多中心横断面研究
时间：2025-08-29 16:46:21
背景：糖尿病视网膜病变（DR）早期干预可降低 60% 失明风险，但基层筛查覆盖率不足 35%。
目的：开发并验证融合彩色眼底照（CFP）+OCTA 血流参数的深度学习模型，评估其在真实世界的筛查效能。
方法：纳入 2022.7-2024.1 全国 9 省 18 家医院 12,468 例 2 型糖尿病患者的 24,936 张 CFP 与 12,468 组 OCTA 图像。采用 ResNet-50+Transformer 混合架构，内部验证 7:1:2，外部验证 2,000 例。主要指标：AUC、敏感性、特异性；次要指标：基层医生读片时间变化。
结果：模型 AUC 0.952（95% CI 0.941-0.963），敏感性 94.3%，特异性 90.7%，优于单模态 CFP 模型（AUC 0.893）。在基层使用 AI 辅助后，平均读片时间由 4.8 min 降至 1.1 min。
结论：多模态 AI 模型显著提升 DR 早期筛查效率，适合基层大规模部署。
Methods 细节
图像标注：两位视网膜专家独立分级，κ=0.89；分歧由第三位仲裁。
数据增强：随机旋转、色彩抖动、CutMix。
统计：DeLong 检验比较 AUC；McNemar 检验比较敏感性/特异性。
References 建议
1.Ting DSW, et al. Lancet Digit Health 2023.
2.中国糖尿病视网膜病变筛查指南 2024.