包括倫敦大學城市克拉布實驗室在內(nèi)的一個團隊的研究已經(jīng)使用“深度學習”(DL)，這是一種人工智能(AI)，對數(shù)千張青光眼患者眼后部的圖像進行預測他們的視力受到疾病的影響有多大。
該研究動員并整理了來自英格蘭三個 NHS 診所的 24,000 多名患者的大量數(shù)據(jù)，以實現(xiàn)這一目標。研究結(jié)果表明，人工智能方法可以在跟蹤臨床患者青光眼的進展方面發(fā)揮作用，也可以用于優(yōu)化青光眼的研究試驗。
青光眼是一組導致視神經(jīng)進行性損傷的眼部疾病，它影響約 2% 的 40 歲以上人群和近 10% 的 75 歲以上人群，導致每年超過 100 萬人次就診。一旦有人因青光眼失明，就無法恢復，因此早期發(fā)現(xiàn)和適當?shù)墓芾碇陵P重要。
深度學習是一種“機器學習”和人工智能，它模仿人類獲取某些類型知識的方式。在這項研究中，深度學習模型獨立地應用于從青光眼患者的眼睛中獲取的大量兩種類型的成像。目的是確定這些模型是否可用于預測患者可以看到的視覺區(qū)域(視野)。
第一種成像稱為光學相干斷層掃描(OCT)，它使用低相干(不太可能反射)的光來獲得高分辨率的視網(wǎng)膜橫截面圖像，視網(wǎng)膜是眼睛后部的感光區(qū)域圖像是由眼睛形成的。可以區(qū)分視網(wǎng)膜內(nèi)的各層，并且可以測量視網(wǎng)膜厚度以幫助早期發(fā)現(xiàn)和診斷疾病。
第二種成像稱為紅外反射 (IR)，它使用紅外光照射視網(wǎng)膜，在這種情況下用于成像視盤，這是眼睛的視神經(jīng)離開視網(wǎng)膜并傳播到視盤的地方。腦。
該研究的一個獨特方面是，深度學習方法學會了如何通過查看圖像來預測患者的視野，而無需任何專家或醫(yī)生對圖像中的特征進行任何標記。
該研究發(fā)現(xiàn)，每個深度學習模型都可以利用每種類型成像的各自體積中的模式，并僅從他們眼睛的圖像中對特定患者的視野具有有用的預測價值。然而，該研究進一步發(fā)現(xiàn)，在 OCT 和 IR 這兩種成像類型中執(zhí)行深度學習過程，在預測患者視野方面提供了更好的準確性。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！