导语

随着全球近视发病率持续攀升，高度近视已成为致盲的主要原因之一。玻璃体视网膜界面（VRI）异常——包括玻璃体后脱离（PVD）和视网膜前膜（ERM）——是高度近视的常见并发症，可导致黄斑裂孔、视网膜脱离等严重后果，造成永久性视力损害。

然而，这些病变在OCT图像中呈现细长形态、低对比度、类别相似等特点，传统检测方法难以精准识别。苏州大学电子信息学院石霏副教授团队与上海市第一人民医院合作，在《Journal of Innovative Optical Health Sciences》发表最新研究，提出DS-YOLOv7网络，通过动态蛇形卷积与注意力-卷积融合机制，实现了对VRI病变的全自动、高精度检测。

Xin Zhou, Ying Fan, Gaowei Li, Menghan Li, Weifang Zhu, Dehui Xiang, Xinjian Chen, Xun Xu, and Fei Shi.Detection of vitreoretinal interface abnormalities from OCT images based on DS-YOLOv7 network.Journal of Innovative Optical Health SciencesVol. 19, No. 02, 2650001 (2026)

https://doi.org/10.1142/S179354582650001X

正文

临床挑战：为什么VRI病变检测困难？

玻璃体视网膜界面是玻璃体后皮质与视网膜内界膜之间的关键区域，其异常改变是高度近视致盲的重要机制：

• 完全性玻璃体后脱离（CPVD）：玻璃体后表面完全脱离视网膜，上方形成暗区

• 部分性玻璃体后脱离（PPVD）：部分边缘仍与视网膜粘连，呈"帐篷样"改变

• 视网膜前膜（ERM）：玻璃体残留物在视网膜表面形成的纤维膜，呈亮层状

图1：VRI异常的OCT B-scan图像与人工标注。(a)完全性玻璃体后脱离（CPVD，蓝色框）；(b)部分性玻璃体后脱离（PPVD，红色框）与视网膜前膜（ERM，绿色框）

这些病变具有三大检测难点：

1.形态细长：ERM和PVD呈线状或膜状，占据图像面积小

2.背景复杂：视网膜层结构复杂，病变对比度低

3.类别相似：CPVD与PPVD在接近视网膜时特征相似，易混淆

DS-YOLOv7：三大创新模块协同作战

研究团队基于YOLOv7架构，针对性设计了三个核心创新模块：

1. 动态蛇形卷积（DSConv）——捕捉曲线特征

传统卷积核为固定方形，难以适应病变的曲线形态。DSConv将3*3卷积核沿x或y方向展开为长度为9的曲线形，通过可学习偏移量动态调整形状：

• 连续性约束：在一个方向保持规则，另一方向累积偏移，确保卷积核呈细长形态

• 自适应感知：卷积核可动态贴合PVD的弧形边界和ERM的线状结构

• 感受野扩展：最大可覆盖9*9区域，增强对细长目标的感知能力

DSConv被嵌入到Backbone的三个ELAN模块和Neck的一个ELAN-W模块中，形成DS-ELAN和DS-ELAN-W结构。

2. 注意力-卷积混合模块（ACMix）——融合局部与全局

卷积擅长提取局部特征，自注意力机制擅长捕捉全局依赖，ACMix将两者优势融合：

• 阶段I：通过三个1*1卷积生成中间特征（3N个特征图，N=4个头）

• 阶段II：双路径并行处理——卷积分支进行移位和聚合，注意力分支计算注意力权重和值矩阵

• 加权融合：通过可学习参数α和β动态平衡两种特征

ACMix嵌入Neck网络的最后一个ELAN-W模块，增强高层语义特征提取能力，帮助区分相似类别。

图5：ACMix模块结构。阶段I共享1*1卷积投影，阶段II并行执行卷积和自注意力操作，最终加权融合

3. 高效完整交并比损失（ECIoU）——精准定位

针对边界框回归，团队提出ECIoU损失函数，综合考虑：

• 重叠面积（IoU）

• 中心点距离

• 宽高比一致性（CIoU优势）

• 绝对宽高差异（EIoU优势）

这一设计使边界框收敛更快、定位更准，特别适合细长目标的精确包围。

图2：DS-YOLOv7网络架构。Backbone包含三个DS-ELAN模块，Neck包含DS-ELAN-W和ACMix-ELAN-W模块，Head输出三个尺度的检测结果

实验验证：三折交叉验证全面领先

研究使用上海市第一人民医院采集的1973张OCT B-scan图像（来自46例高度近视患者），进行三折交叉验证：

关键发现：

• 检测精度最优：mAP@0.5达0.714，较基线YOLOv7提升3.3%

• 定位精度突出：mAP@0.75达0.438，显著优于其他方法

• 计算效率最高：参数量仅35.2M，FLOPs仅91.3G，均为对比方法中最低

• 鲁棒性验证：在公开数据集OCTDL上的泛化测试同样表现优异

图8：DS-YOLOv7与其他检测网络的结果可视化。(a)原图，(b)金标准，(c)DS-YOLOv7，(d)Mask R-CNN，(e)Cascade R-CNN，(f)Libra R-CNN，(g)DETR，(h)Deformable-DETR，(i)RT-DETR，(j)YOLOv5l，(k)YOLOv8l，(l)RCS-YOLO。DS-YOLOv7对ERM的左端、PPVD的起止点、低对比度CPVD的检测更准确

消融实验：验证各模块贡献

模块有效性验证：

基线YOLOv7：mAP@0.5 = 0.681

oDSConv：mAP@0.5 = 0.698（+1.7%）

oACMix：mAP@0.5 = 0.691（+1.0%）

oECIoU：mAP@0.5 = 0.695（+1.4%）

三者联合：mAP@0.5 = 0.714（+3.3%）

DSConv嵌入位置优化：

• 仅在Backbone嵌入：提升有限

• 仅在Neck嵌入：提升有限

• Backbone+Neck联合嵌入：最佳性能，表明两端协同感知曲线特征的重要性

ACMix嵌入位置优化：

• 嵌入Backbone末端：mAP@0.5 = 0.711

• 嵌入Neck末端：mAP@0.5 = 0.714，更适合高层语义融合

主要创新点

1.动态蛇形卷积（DSConv）：首次将DSConv引入眼科OCT检测，通过连续性约束的曲线形卷积核，精准捕捉VRI病变的细长曲线形态

2.ACMix注意力融合：在YOLOv7的Neck网络嵌入ACMix模块，实现卷积局部特征与自注意力全局特征的高效融合，提升相似类别区分能力

3.ECIoU损失函数：创新性地结合CIoU和EIoU优势，同时考虑宽高比和绝对宽高差异，优化细长目标的边界框回归

4.轻量化高性能：在参数量和计算量均为最低的情况下，实现检测精度最优，满足临床实时应用需求

5.临床验证充分：在三折交叉验证和独立测试集上均表现优异，证明模型的鲁棒性和泛化能力

应用前景

DS-YOLOv7技术具有广阔的临床应用前景：

• 辅助诊断系统：集成至OCT设备工作站，实时标记VRI异常，提示医生关注潜在风险区域

• 筛查与随访：用于高度近视患者的定期筛查，早期发现PVD和ERM，及时干预预防并发症

• 手术规划：精准定位ERM范围和PVD粘连点，指导玻璃体切割手术方案制定

• 科研工具：自动化分析大规模OCT数据，研究VRI病变与近视进展的关联规律

• 多模态扩展：结合超声、眼底彩照等多模态数据，构建更全面的VRI评估体系

结语

在人工智能与眼科影像深度融合的今天，针对病变特点的算法设计是提升诊断性能的关键。石霏副教授团队提出的DS-YOLOv7，通过"蛇形卷积抓形态、注意力融合提语义、ECIoU优定位"的三管齐下策略，成功解决了VRI病变检测中的细长形态、低对比度、类别相似三大难题。

这项研究不仅展示了一种高性能的检测算法，更提供了一种"问题导向的模型设计"范式——深入理解临床病变的物理特性，针对性设计网络结构和损失函数。期待DS-YOLOv7早日走向临床，为守护高度近视患者的视力健康贡献力量。

通讯作者简介

石霏苏州大学电子信息学院副教授，从事人工智能算法研究及其在医学图像处理与分析的应用。

更多详情见https://web.suda.edu.cn/shifei/