深度學(xué)習(xí)通過出色的圖像分析改善視力保健
邊肖發(fā)現(xiàn)很多朋友對通過深度學(xué)習(xí)和優(yōu)秀的圖像分析來改善視力保健的信息很感興趣。邊肖通過優(yōu)秀的圖像分析整理了一些深度學(xué)習(xí)和改善視力保健的相關(guān)信息，在此分享。
對于檢測和跟蹤視覺疾病的任務(wù)，例如青光眼和與年齡相關(guān)的黃斑，已經(jīng)證明眼睛掃描的深度學(xué)習(xí)分析優(yōu)于相同圖像的常規(guī)分析。
這項(xiàng)研究是在澳大利亞昆士蘭科技大學(xué)進(jìn)行的，發(fā)表于《自然科學(xué)報告》。
大衛(wèi)阿隆索-卡內(nèi)羅博士和他的同事嘗試了幾種人工智能技術(shù)來分析光學(xué)相干斷層掃描(OCT)獲得的圖像，眼科醫(yī)生使用光學(xué)相干斷層掃描來觀察視網(wǎng)膜和脈絡(luò)膜中的超細(xì)組織層。
后者是他們關(guān)注的主要領(lǐng)域，因?yàn)樗蜓劬μ峁┭鯕獾难堋?
通過對101名視力良好的健康兒童進(jìn)行OCT掃描，對所有算法進(jìn)行組織模式和邊界訓(xùn)練。
將每種算法的性能與標(biāo)準(zhǔn)圖像分析方法進(jìn)行了比較。
他們發(fā)現(xiàn)深度學(xué)習(xí)可以更好地識別所有的界限。
作者指出，大多數(shù)商用OCT儀器不提供自動脈絡(luò)膜分割方法，并指出他們在工作中成功地使用了深度學(xué)習(xí)，“證明了這些技術(shù)的潛力以及與標(biāo)準(zhǔn)圖像分析方法相比的優(yōu)勢(優(yōu)越的性能)。”
他們補(bǔ)充說，實(shí)驗(yàn)性AI方法“可能會對涉及OCT脈絡(luò)膜分割的臨床和研究任務(wù)產(chǎn)生積極影響”，該方法用于跟蹤與正常眼睛發(fā)育、衰老、屈光不正和眼部疾病相關(guān)的眼組織變化。
標(biāo)簽：