相关实验视频
Updated: May 7, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
使用机器学习进行糖尿病视网膜病变查:系统性审查
Fitsum Mesfin Dejene1, Taye Girma Debelee2,3, Friedhelm Schwenker4
1Computer Vision, Ethiopian Artificial Intelligence Institute, Addis Ababa, 40782, Ethiopia.
BMC biomedical engineering
|September 2, 2025
概括
机器学习 (ML) 为糖尿病视网膜病变 (DR) 查提供了一个有前途的替代方案,解决了手动图像分析的局限性. 这项研究分析了在DR查中的ML整合,确定了挑战和未来的研究方向.
科学领域:
- 眼科 眼科
- 医学成像
- 人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是全球导致失明的主要原因.
- 手动查视网膜图像耗时,专家也很少.
- 机器学习 (ML) 和深度学习 (DL) 为DR选提供了可行的替代方案.
研究的目的:
- 在糖尿病视网膜病变查中分析ML整合的研究环境.
- 识别和描述可用的视网膜底部图像数据集.
- 讨论预处理技术,ML进展,挑战和DR查的未来方向.
主要方法:
- 对用于DR查的ML技术进行文献审查和分析.
- 公开可用的视网膜底部图像数据集的表征.
- 讨论用于DR检测的常用图像预处理方法.
主要成果:
- 鉴定和描述了用于DR查的可用视网膜图像数据集.
- 分析了DR检测中的各种ML技术的进展和应用.
- 突出了有效的DR查所必需的共同预处理步骤.
结论:
- 整合ML显示了提高糖尿病视网膜病变查效率和可访问性的巨大潜力.
- 标准化数据集,模型复杂性和计算资源仍然是关键挑战.
- 需要进一步的研究来克服现有的障碍,并推进基于ML的DR查解决方案.
