相关实验视频
Updated: Jul 9, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
通过 fundus 图像检测糖尿病视网膜病变:从病变分级到细分的广泛调查
1Computer Vision and Biometrics Laboratory, Department of Information Technology, Indian Institute of Information Technology, Allahabad, Prayagraj, Uttar Pradesh, India.
Computers in biology and medicine
|July 19, 2025
概括
从视网膜图像进行糖尿病视网膜病变 (DR) 诊断至关重要. 本综述调查了DR分级和病变细分的传统和深度学习方法,突出了数据集和AI挑战.
科学领域:
- 眼科和医学成像学
- 医疗保健中的人工智能
- 计算机视觉用于疾病诊断和诊断
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病的常见并发症,可能导致视力丧失.
- 准确和及时诊断DR对于有效的患者治疗至关重要.
- 视网膜底部图像是DR检测和监测的主要工具.
研究的目的:
- 为糖尿病视网膜病变 (DR) 提供计算机辅助诊断系统的全面审查.
- 分析DR等级和损伤细分的传统和深度学习方法.
- 讨论数据集,性能指标和DR检测的未来研究方向.
主要方法:
- 从1986年到2025年对128篇关于视网膜底部图像的DR诊断的研究论文进行了系统审查.
- 将被审查的作品分类为DR分级/分类和DR损伤细分.
- 分析传统方法 (图像处理,机器学习) 和深度学习方法 (CNN,变压器).
主要成果:
- 详细概述DR诊断技术,包括成像方式和数据集.
- 传统和深度学习方法对DR分级和细分任务的比较.
- 识别关键数据集,其统计信息,以及潜在的偏差.
结论:
- 在人工智能驱动的DR诊断方面取得了重大进展,特别是深度学习.
- 需要强大的系统来帮助临床医生管理糖尿病视网膜病变.
- 讨论人工智能挑战和未来医学成像研究的伦理考虑.

