深度学习模型用于角质的诊断工作:系统性审查和探索性元分析
Nicolas S Bodmer1,2,3, Dylan G Christensen2, Lucas M Bachmann1,2
1Medical Faculty, University of Zurich, Zurich, Switzerland.
Cornea
|February 1, 2024
概括
深度学习模型在检测形眼球 (keratoconus) 方面表现出很高的准确性,这是一个具有挑战性的眼睛疾病. 虽然有希望,但需要进一步的研究来提高评估这些诊断工具的研究的方法质量.
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:
- 角质的患病率高达84分之一,临床实践中查存在挑战.
- 精确检测角是至关重要的,需要改进的诊断方法.
- 深度学习 (DL) 是一个有希望的途径,可以提高医疗图像解读的准确性和速度,用于诊断角.
结论:
- 深度学习模型在检测角瘤方面表现出良好的整体诊断性能.
- 包含的研究的方法质量不高,报告和参考标准的局限性.
- 建议对研究设计和报告进行进一步的细化,以充分利用DL进行查.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
07:44In vivo Structural Assessments of Ocular Disease in Rodent Models using Optical Coherence Tomography
Published on: July 24, 2020
2.9K