神经血管与年龄相关的黄斑退化中的深度学习
Enrico Borrelli1,2, Sonia Serafino1,2, Federico Ricardi1,2
1Division of Ophthalmology, Department of Surgical Sciences, University of Turin, Via Verdi, 8, 10124 Turin, Italy.
Medicina (Kaunas, Lithuania)
|June 27, 2024
概括
深度学习有效地分析光学连贯断层扫描 (OCT) 图像的新血管与年龄相关的黄斑变性 (AMD). 这项技术有助于识别风险生物标志物和量化特征,改善AMD患者的临床管理.
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:
- 与年龄相关的黄斑变性 (AMD) 是不可逆转的视力丧失的主要原因.
- 新血管性AMD由于其可能导致视力迅速恶化而构成重大挑战.
- 早期检测和监测对于管理AMD进展至关重要.
研究的目的:
- 审查深度学习 (DL) 在评估新血管AMD中的应用.
- 突出DL在分析新血管AMD的结构性OCT图像方面的能力.
- 探索DL在识别风险生物标志物和预后特征方面的作用.
主要方法:
- 在PubMed数据库的系统文献搜索.
- 对利用深度学习算法进行新血管AMD分析的研究进行审查.
- 专注于分析 struktural OCT 数据的研究.
主要成果:
- 深度学习在分析新血管性AMD中的结构性OCT图像方面表现出高效.
- DL算法可以识别和量化与AMD进展风险相关的生物标志物.
- 通过DL对关键的OCT特征进行量化,为患者提供预后见解.
结论:
- 深度学习在评估新血管AMD方面显示出显著的前景.
- 将DL纳入临床实践可以增强AMD的管理策略.
- 对DL应用的进一步研究可能会导致改善AMD患者的治疗结果.
关键词:
与年龄相关的黄斑变性.人工智能的人工智能是人工智能.生物标志物生物标志物深度学习是一种深度学习.新血管与年龄相关的黄斑变性.新血管化的新血管化.光学连贯性断层扫描 (optical coherence tomography) 是一种光学连贯性断层扫描技术.更多相关视频
10:14Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
3.1K
05:14Author Spotlight: Overcoming Anti-VEGF Resistance Through Advanced Vascular Morphology Assessment in Choroidal Neovascularization
Published on: August 11, 2023
1.1K
