深度學(xué)習(xí)通過出色的圖像分析改善視力保健

小編發(fā)現(xiàn)不少朋友對于 深度學(xué)習(xí)通過出色的圖像分析改善視力保健 這方面的信息都比較感興趣，小編就針對 深度學(xué)習(xí)通過出色的圖像分析改善視力保健 整理了一些相關(guān)方面的信息 在這里分享給大家。

對于檢測和跟蹤視力疾病(例如青光眼和與年齡有關(guān)的黃斑)的任務(wù)，事實證明，對眼睛掃描的深度學(xué)習(xí)分析優(yōu)于對相同圖像的常規(guī)分析。

這項研究是在澳大利亞昆士蘭科技大學(xué)進(jìn)行的，并發(fā)表在《自然科學(xué)報告》上。

David Alonso-Caneiro博士及其同事嘗試了幾種AI技術(shù)，用于分析通過光學(xué)相干斷層掃描技術(shù)(OCT)獲得的圖像，眼科醫(yī)生使用該技術(shù)來觀察視網(wǎng)膜和脈絡(luò)膜中的超細(xì)組織層。

后者是它們的主要關(guān)注區(qū)域，因為其中包含向眼睛供應(yīng)氧氣的血管。

通過對101名有良好視力的健康兒童的脈絡(luò)膜視網(wǎng)膜OCT掃描，對所有算法進(jìn)行了組織模式和邊界方面的培訓(xùn)。

研究人員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)方法能夠更好地識別所有邊界。

作者指出，大多數(shù)商用OCT儀器都沒有提供自動脈絡(luò)膜分割的方法，并指出他們在工作中成功使用了深度學(xué)習(xí)，“證明了這些技術(shù)的潛力以及相對于標(biāo)準(zhǔn)圖像分析方法的優(yōu)勢(優(yōu)越的性能)。”

他們補(bǔ)充說，實驗性AI方法“可能對涉及OCT脈絡(luò)膜分割的臨床和研究任務(wù)產(chǎn)生積極影響”，用于跟蹤與正常眼睛發(fā)育，衰老，屈光不正和眼疾相關(guān)的眼組織變化。