近视性黄斑病中的人工智能:使用多种成像方式进行识别,分类和监测的全面审查

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:

• 近视性黄斑病是高近视的视力障碍的一个重要原因.
• 早期和准确检测近视性黄斑病变对于有效管理至关重要.
• 传统的成像技术,如 fundus 摄影和光学连贯性断层扫描 (OCT) 是诊断的标准.

研究的目的:

• 审查人工智能 (AI) 工具在检测近视性黄斑病变方面的有效性.
• 评估机器学习 (ML) 和深度学习 (DL) 在诊断和分类高近视方面的作用.
• 在最近的研究中分析AI性能指标.

主要方法:

• 2018年至2024年间发表的13项研究的系统审查,来自PubMed,科学直接-埃尔塞维埃和谷歌学者.
• 分析的重点是应用在 fundus 摄影和 OCT 图像上的 AI 算法,以检测近视性黄斑病.
• 评估报告的准确性,AUC,灵敏度,特异性和卡帕值.

主要成果:

• 人工智能模型表现出高性能,精度从80%到97.3%,AUC高达99.8%.
• 经常使用像ResNet,DeepLabv3+和Efficient Net这样的算法.
• 人工智能的表现与一般眼科医生的表现相当,特别是使用更大的数据集和多式联络成像.

结论:

• 人工智能工具可以有效地支持近视性黄斑病变的诊断和分类.
• 较大的数据集和多式成像 (OCT, fundus,超广场) 提高了AI的概括性和诊断精度.
• 人工智能整合有助于加强高近视的临床监测.