人工智能的应用在诊断不常见的囊性黄斑疹使用光学连贯性断层扫描成像:一个系统的审查
Farhang Hosseini1, Farkhondeh Asadi1, Reza Rabiei1
1Department of Health Information Technology and Management, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
Survey of ophthalmology
|June 28, 2024
概括
人工智能 (AI) 显示出用于诊断囊性黄斑 (CME) 使用光学连贯性断层扫描 (OCT) 扫描的希望. 卷积神经网络 (CNN) 在检测CME方面达到96%以上的准确性,从而提升了诊断能力.
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:
- 囊性黄斑 (CME) 是一种与炎症和糖尿病疾病相关的视力威胁状况.
- 早期发现CME对于预防永久性视力丧失至关重要.
研究的目的:
- 系统地审查AI在使用OCT成像诊断CME中的应用.
- 评估AI在OCT图像中检测,分类和细分CME的性能,重点关注 postoperative CME和视网膜色素炎等特定条件.
主要方法:
- 从2018年到2023年11月,在六个主要数据库 (PubMed,Scopus,Web of Science,Wiley,ScienceDirect,IEEE) 进行了全面的文献搜索.
- 选出了23篇相关文章进行深入分析,重点是基于人工智能的CME诊断来自OCT图像.
主要成果:
- 与其他机器学习技术相比,基于卷积神经网络 (CNN) 的AI方法表现出优异的性能.
- 在从OCT图像中检测和识别CME时,CNN的平均准确度超过96%.
结论:
- 人工智能,特别是CNN与OCT成像的整合为改善CME诊断提供了显著的潜力.
- 解决数据集大小和伦理考虑等局限性对于未来开发和实施CME诊断中的AI至关重要.
更多相关视频
07:44In vivo Structural Assessments of Ocular Disease in Rodent Models using Optical Coherence Tomography
Published on: July 24, 2020
2.9K
07:18Evaluation of Capillary and Other Vessel Contribution to Macular Perfusion Density Measured with Optical Coherence Tomography Angiography
Published on: February 18, 2022
1.8K