项目
已发表2025共同第一作者
JAMA+ AI 编辑精选2025 年度 JAMA Ophthalmology 人工智能领域最佳文章荧光素眼底血管造影视频生成与医疗数据共享
融合 Wavelet-Flow VAE 与 Diffusion Transformer，从临床文本生成动态 FFA 视频，服务隐私保护型医疗数据共享。成果发表于 JAMA Ophthalmology（2025）。
Generative AIMedical Video GenerationComputer VisionDiffusion TransformerWavelet-Flow VAEPythonPyTorch
概览
研发文本生成视频模型，根据临床文本描述生成动态荧光素眼底血管造影（FFA）视频，支持隐私保护型医疗数据共享。成果发表于 JAMA Ophthalmology（2025; 143(8): 623–632）。
问题
真实患者影像无法自由流通，制约了研究、教学与模型开发。生成的动态影像为在不暴露患者隐私的前提下共享具有临床意义的数据提供了一条路径。
我的角色
共同第一作者。基于 Python 与 PyTorch 参与模型研发，包括 Wavelet-Flow VAE 与 Diffusion Transformer 的融合，以及眼底病变特征的时空建模。
方法
模型融合 Wavelet-Flow VAE 与 Diffusion Transformer，采用 3,625 段匿名 FFA 视频完成训练与评估，并结合客观指标、文本—视频语义一致性、眼科医生主观评价及图像检索指标验证生成质量与隐私保护能力。
结果
研究经同行评议发表于 JAMA Ophthalmology（2025），为临床诊疗辅助、医学教育及隐私保护型医疗数据共享提供了新的技术方案。