APP下载

深度学习在视网膜疾病中的应用△

2021-12-04姜百慧项开来秦秀虹卢建民何岁勤赵慕瑶马翔

眼科新进展 2021年7期
关键词:模型

姜百慧 项开来 秦秀虹 卢建民 何岁勤 赵慕瑶 马翔

视网膜疾病是复杂多样的眼科疾病,其临床诊断常常需要眼科医生结合大量影像学检查进行判断。在临床诊疗过程中,图像质量较低、医师经验相对不足等都会对影像资料造成误判,未能对疾病进行早期诊疗,使疾病恶化,甚至造成失明。因此,如何利用好既有的医学影像技术是视网膜疾病诊断的关键。

深度学习(deep learning,DL)是机器学习的一个新兴分支,源于对人工神经网络的研究,其主要通过模仿生物神经信号转导机制构建神经网络来解释数据,通过大规模的数据训练,完成从特征到任务目标的映射。它的出现有助于临床医生快速识别疾病、减少误诊、改善工作流程。较传统图像分析而言,DL在眼科影像的采集、评分、降噪和分析等方面有更加广阔的前景。目前,DL已经应用于多种眼科影像学检查中,包括眼底照相、光学相干断层扫描(OCT)、光学相干断层扫描血管成像(OCTA)[1]及眼底荧光素血管造影(FFA)等,有助于眼底疾病的早期诊断及临床分期的明确,并减少临床医师的工作量。本文就相关影像学检查对DL在视网膜疾病中的应用进行综述。

1 DL对图像的分析处理

DL与传统机器学习基于人工特征提取的方法不同,模拟了生物大脑对数据的理解方式,无需人工设计特征表示方式,通过对大规模数据的学习,将数据特征层层抽象为自身任务所需的特征表示方法,完成从特征到任务目标的映射。

DL的概念源于人工神经网络的研究。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用