相关实验视频
Updated: Jun 13, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
深度学习辅助测量视网膜外层指标作为遗传性视网膜退行症的生物标志物:机遇和挑战
Mark E Pennesi1,2, Yi-Zhong Wang1,3, David G Birch1,3
1Retina Foundation of the Southwest, Dallas, Texas.
Current opinion in ophthalmology
|September 11, 2024
概括
深度学习有助于通过分析视网膜图像来识别遗传性视网膜退化 (IRD) 的结构生物标志物. 光受体损失和视网膜外层是IRD评估的关键指标.
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:
- 遗传性视网膜退化 (IRDs) 是一组导致渐进性视力丧失的遗传性疾病.
- 对IRD的准确评估对于监测疾病进展和评估治疗干预措施至关重要.
研究的目的:
- 审查目前用于IRD的视网膜成像和视觉功能测试方法.
- 突出深度学习 (DL) 在识别IRD结构生物标志物的作用.
主要方法:
- 对视网膜成像技术的现有文献的审查.
- 分析深度学习应用在处理视网膜图像的疾病检测.
- 从视网膜成像数据中识别潜在的结构生物标志物.
主要成果:
- 深度学习 (DL) 在分析视网膜图像以检测与疾病相关的结构变化方面表现有前途.
- 视网膜外层,包括外核层和圆形区域,被确定为潜在的结构生物标志物.
- 临床试验正在探索使用这些生物标志物作为IRDs的终点.
结论:
- 评估光受体损失是评估IRD的直接方法.
- 特定的外视网膜结构作为IRDs的有价值的结构生物标志物.
- 需要进一步的研究来确定IRD中的结构和功能之间的关系.
