深度学习和光学连贯性断层扫描在玻璃眼:弥合在结构成像诊断上的差距
Atalie C Thompson1,2, Aurelio Falconi3, Rebecca M Sappington1,4
1Department of Surgical Ophthalmology, Wake Forest School of Medicine, Winston Salem, NC, United States.
Frontiers in ophthalmology
|July 10, 2024
概括
深度学习 (DL) 算法通过光学连贯断层扫描 (OCT) 和 fundus 摄影显著提升了青光眼的检测. 这些由人工智能驱动的工具可以改善早期诊断和监测这种导致失明的主要原因.
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:
- 玻璃眼是全球不可逆转失明的主要原因.
- 玻璃眼中光神经头部损伤可以使用光学连贯断层扫描 (OCT) 来可视化.
- 早期检测和监测对于治疗青光眼和预防视力丧失至关重要.
研究的目的:
- 审查深度学习 (DL) 在过去十年中用于青光眼检测的进展.
- 探索在OCT数据上训练的DL模型的应用,以提高诊断能力.
- 讨论DL在通过 fundus 摄影提高青光眼的检测中的潜力.
主要方法:
- 对科学文献的综述 深度学习应用在青光眼的检测.
- 分析使用OCT成像用于自动化青光眼诊断和进展监测的研究.
- 研究DL模型,训练在海外国家和地区的数据,用于 fundus图像分析.
主要成果:
- 深度学习算法已经显示出从OCT扫描中自动检测青光眼的显著改进.
- 经过在OCT数据上训练的DL模型提高了在 fundus 照片上检测青光斑损伤的准确性.
- 这些进步扩大了可访问的成像模式用于眼查的实用性.
结论:
- 深度学习已经彻底改变了青光眼的检测和监测,特别是在海外国家和地区的数据.
- DL模型为早期诊断和治疗眼提供了有前途的工具.
- 未来的研究应该专注于将这些AI进步转化为临床实践和基础科学研究.
