Oct, 2022

使用人工智能和广角视网膜光学相干断层扫描技术，哪种结构更适合诊断青光眼：黄斑或视神经头？

PDF
TL;DR发展了一种利用深度学习算法自动分割视神经头（ONH）和黄斑结构的三维广域光学相干断层扫描（OCT），并评估 ONH 或 macula 结构（或两者的组合）哪种提供最佳的青光眼诊断能力的方法。
deep learningglaucoma diagnosiswide-field octonh segmentationmacula segmentation
发现论文，激发创造
  • 应用几何深度学习识别青光眼诊断中视神经盘的关键三维结构特征

    本研究基于 Spectralis OCT 提取 3D ONH 点云并采用 PointNet 和 DGCNN 两种几何深度学习技术用于诊断青光眼和分析 3D 结构特征，其诊断精确度均优秀，且能确定有助于诊断的关键结构特征。因此，该方法具有诊断各种眼科疾病的潜在临床应用前景。

    Apr, 2022

  • 使用人工智能从结构性光学相干断层扫描生成视网膜流动图

    通过使用来自光学相干断层扫描血管造影 (OCTA) 的图像训练 AI 算法，我们可以通过标准的结构性光学相干断层扫描 (OCT) 图像来生成血管图，且模型的性能在微血管灌注方面与 OCTA 不相上下，表现明显优于专家临床医生的操作水平，并绕过了专家标注的负担和限制。这为医学成像提供了一种新的应用方法。

    Feb, 2018

  • 深度学习与计算机视觉在青光眼检测中的应用综述

    该研究通过调查最近的研究，使用眼底图像、光学相干断层扫描和视野图像等方法基于人工智能的青光眼诊断，特别关注利用深度学习的方法。研究提供了最新的分类法，并包含可用源代码的链接，以提高研究方法的可重复性。通过对广泛使用的公共数据集进行严格的基准测试，揭示了在普适性、不确定性估计和多模态集成方面的性能差距。此外，调查展示了关键数据集和限制，如规模、标签不一致性和偏见。我们描述了未来研究的开放性挑战并详细阐述了有前景的方向。此调查旨在对希望将进展转化为实践的人工智能研究人员以及希望利用最新人工智能成果改善临床工作流程和诊断的眼科医生有所帮助。

    Jul, 2023

  • 基于空间感知 Transformer-GRU 框架的增强型青光眼诊断从 3D OCT 成像

    提出了一种新颖的深度学习框架，基于 3D 光学相干断层扫描（OCT）成像进行自动青光眼检测，取得了优于现有方法的表现，为提高临床决策支持系统和改善青光眼管理患者预后提供了重要潜力。

    Mar, 2024

  • DISCOVER: 光学相干断层扫描血管造影的 2D 多视图总结用于自动糖尿病性视网膜病变诊断

    该研究使用光学相干断层扫描血管造影技术（OCTA）对糖尿病视网膜病变进行自动评估，通过优化的二维摘要和分类流程，提供了比三维分类更好、更易解释的结果。

    Jan, 2024

  • 从视神经光学相干断层扫描报告中提取文本

    开发和评估基于规则的算法以提取来自 Zeiss Cirrus 光学相干断层扫描报告的文本数据，包括视网膜神经纤维层（RNFL）值和其他神经节细胞计数（GCC）数据。通过手动审核一组 RNFL 和 GCC 报告，验证算法的性能高，可以准确提取数据。定制化的光学字符识别算法可以在大规模上自动处理 PDF 报告以大大减少提取光相干扫描结果的时间。

    Aug, 2023

  • Optic-Net：一种新型卷积神经网络用于诊断光学断层扫描图像中的视网膜疾病

    本研究提出一种卷积神经网络架构，能够成功区分不同视网膜层的退化以及其潜在的疾病原因，准确率达到 99.8%，100%。此外，这种架构可以实时预测视网膜疾病，同时表现优于人类诊断医师。

    Oct, 2019

  • 使用光学相干层析成像和血管造影自动诊断阿尔茨海默病的调查

    本研究对视网膜光学相干断层扫描技术与深度学习算法在阿尔茨海默病和认知损害的自动化诊断方面的应用进行了系统性综述，发现开放的阿尔茨海默病相关光学相干断层扫描数据集的不足是制约该领域进展的主要问题。

    Sep, 2022

  • 基于眼底成像和人工智能的青光眼自动检测：综述

    该研究综述了基于人工智能的青光眼检测框架的两种主要方法，分别是基于逻辑规则和基于机器学习 / 统计建模，并重点概括了这两种方法的最新进展和瓶颈。

    Apr, 2022

  • 三个解剖区域的周视盘神经纤维层反射和其他 OCT 参数构建角膜压分类的混合深度学习

    通过混合的深度学习模型，结合 NFL 反射和其他 OCT 参数，提高青光眼诊断的准确性。

    Jun, 2024