深度学习的应用,用于用超广场底部图像检测眼科疾病
Qing-Qing Tang1, Xiang-Gang Yang1, Hong-Qiu Wang2
1Department of Ophthalmology and Research Laboratory of Macular Disease, West China Hospital, Sichuan University, Chengdu 610041, Sichuan Province, China.
International journal of ophthalmology
|January 19, 2024
概括
深度学习有效地检测各种眼睛疾病使用超宽场 fundus 图像. 这种人工智能方法提高了糖尿病视网膜病变和玻璃眼等疾病的诊断能力.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 超广场底部成像可以捕捉到200°的视网膜.
- 传统的 fundus 图像提供了对外围视网膜的有限视图.
- 眼科疾病通常在视网膜外围表现出来.
研究的目的:
- 通过使用超宽场 fundus 图像检测眼科疾病的深度学习应用程序.
- 分析AI在这个领域的好处,缺点和潜在解决方案.
- 评估深度学习模型的诊断性能.
主要方法:
- 在PubMed,Web of Science和Ovid数据库中进行系统的文献搜索,截至2022年8月.
- 根据关键词和出版年份对4358篇获取的研究论文进行选.
- 包括23项研究,将深度学习应用于用于眼科疾病诊断的超广场 fundus 图像.
主要成果:
- 深度学习在检测糖尿病视网膜病变,玻璃眼,与年龄相关的黄斑变性,视网膜静脉封闭,视网膜脱落和外围视网膜疾病方面表现出很高的表现.
- 超广场成像与标准 fundus 摄影相比,提供了显著更广泛的视网膜视图.
- 人工智能模型成功地在被捕捉的广泛视网膜区域内确定了各种病理.
结论:
- 超广场 fundus 图像与人工智能的集成显示了未来眼科疾病诊断的重大前景.
- 用人工智能驱动的超广场图像分析可以提高诊断准确性和效率.
- 预计这种协同方法将促进早期检测和治疗广泛的眼睛疾病.
