基于 fundus 图像检测与年龄相关的黄斑变性的人工智能:系统性审查

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:

• 与年龄相关的黄斑变性 (AMD) 是50岁以上人群视力丧失的主要原因之一.
• AMD显著影响视觉质量和整体生活质量.

研究的目的:

• 系统地审查机器学习 (ML) 和深度学习 (DL) 算法的应用和性能,用于AMD检测和预测.
• 使用ML和DL技术分析AMD的 fundus图像.

主要方法:

• 在Scopus,PubMed,Web of Science和IEEE Xplore进行了系统的文献搜索.
• 包括42篇专注于ML/DL的论文,用于AMD分析 fundus图像中的AMD.
• 研究使用了各种模型架构,其中卷积神经网络 (CNN) 是最常见的.

主要成果:

• ResNet架构是CNN (11项研究) 最常使用的架构.
• 在22项研究中使用了AREDS数据集.
• 具有ResNet架构的CNN在AMD诊断中表现出最高的性能.

结论:

• 机器学习算法可以从 fundus 图像准确地诊断 AMD.
• 未来的研究应该涉及校准,公平性,可解释性,外部和前性验证以及临床实施的监管要求.