Nov, 2023

一种测量眼底照片中扇形视盘苍白的方法及其与盘周神经纤维层厚度的关联

PDF
TL;DR通过深度学习，我们开发了一种自动定位和量化眼底照片中的视盘苍白的软件，并发现了视盘苍白测量与 pRNFL 厚度之间的关联性。
发现论文，激发创造
  • 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

  • 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

  • 利用深度学习框架在光学相干断层扫描图像上检测和量化玻璃体淀粉样变和网状假性玻璃体淀粉样变

    该研究开发并验证了一个深度学习框架，可用于检测和定量光学相干断层扫描中的玻璃体下淀粉样物和网状假性玻璃体下淀粉样物，对于 AMD 的研究和临床诊断有帮助。

    Apr, 2022

  • PALM：开放式黄斑图像数据集，包含病理性近视识别和解剖结构标注

    该研究提供了有关用于识别 pathologic myopia 的开放式眼底图像数据集 PALM 的信息，包括与其相关的结构注释，为该病的早期筛查以及基于人工智能的自动化诊断工具的开发提供了可能。

    May, 2023

  • 镜下超广角病房视网膜成像研究中的自动伪影检测 —— 以镰状细胞贫血患者为例

    本研究开发了一种基于神经网络的自动化算法，识别常见的超广角眼底照相术图像伪影，具有潜在的用于提高疾病检测质量和效率的应用价值。

    Jul, 2023

  • 基于视觉转换器的彩色底片对光明眼：青光眼筛查

    利用视觉变换器的 Brighteye 方法进行青光眼检测，其中光盘检测提高了对青光眼检测的敏感性和对青光性特征分类的准确性。

    May, 2024

  • REFUGE 挑战赛：基于眼底照片的青光眼自动化评估方法统一框架

    通过成立 Retinal Fundus Glaucoma Challenge（REFUGE）公开了一个包含 1200 个图像的数据集，比现有最大的数据集都要大，提供了一个标准化的基准策略分析不同模型，挑战拥有 12 个资格的团队，其中两个排名最高的团队在青光眼分类任务中表现优于两个人类专家。

    Oct, 2019

  • 利用 DART 和 AutoMorph 的视网膜分形维度的可重复性和鲁棒性：个体风险预测的眼动学适用性

    通过评估重复性和稳定性，研究了基于分形维度（FD）的眼科学在个体风险预测中的应用性。

    Mar, 2024

  • 基于视网膜图像的青光眼筛查的磁盘感知集成网络

    本文介绍了一种新的自动青光眼筛查方法 —— 深度学习技术，针对现有临床测量方法对于图像处理精度的过高依赖和对于多种视觉特征的忽视，提出一种名为 DENet 的深度感知集成网络，能够直接从眼底图像中筛查出青光眼。该方法将全局眼底图像和局部视神经盘区域的深层层次信息相结合，实现了四个深度流的处理，最终融合不同流的输出概率生成最终筛查结果。实验结果表明，该筛查方法与其他先进算法相比表现更优。

    May, 2018

  • GARDNet: 色彩底片图像青光眼分类的鲁棒多视角网络

    通过图像处理和深度学习神经网络分类相结合的方法，提出了一种先进的图像预处理技术来诊断青光眼。他们的 Glaucoma Automated Retinal Detection Network（GARDNet）在 Rotterdam EyePACS AIROGS 数据集上成功测试，AUC 为 0.92，在 RIM-ONE DL 数据集上进行了额外优化和测试，AUC 为 0.9308，表现优于现有技术。

    May, 2022