深度学习的应用,分类和检测与年龄相关的黄斑退化在光学连贯性断层扫描成像:一篇评论
Neslihan Dilruba Koseoglu1, Andrzej Grzybowski2, T Y Alvin Liu3
1Wilmer Eye Institute, Johns Hopkins University, 600 N. Wolfe St., Maumenee 726, Baltimore, MD, 21287, USA.
Ophthalmology and therapy
|July 26, 2023
概括
深度学习 (DL) 模型显示,使用光学连贯断层扫描 (OCT) 扫描对与年龄相关的黄斑变性 (AMD) 进行分类和检测具有前途. 本综述总结了DL在AMD诊断和管理中的应用.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 与年龄相关的黄斑变性 (AMD) 是老年人视力丧失的主要原因,特别是在发达国家.
- 光学连贯断层扫描 (OCT) 是诊断和管理AMD的关键非侵入性工具.
- 深度学习 (DL) 提供了医疗图像分析的高级功能,包括通过人工神经网络提取特征.
研究的目的:
- 审查将DL模型应用于OCT图像以进行AMD分类和检测的研究.
- 简要介绍AMD中的其他DL应用程序,如细分和预测.
主要方法:
- 使用海外国家和地区数据对DL模型用于AMD检测和分类的研究进行系统审查.
- 探索DL应用超越分类,包括细分和预测.
主要成果:
- DL模型越来越多地用于分析OCT图像在AMD.
- 对于DL在AMD诊断和管理方面存在显著兴趣.
结论:
- DL模型显示了从OCT扫描中增强AMD的分类和检测的潜力.
- 更多的DL应用在AMD中正在出现,包括细分和预测.


