APP下载

深度学习在脉络膜分割中的应用研究进展

2023-08-23朱瑜洁

国际眼科杂志 2023年6期

周 愉,张 敏,朱瑜洁,陆 琼

0 引言

深度学习[1](deep learning,DL)是机器学习领域中一个新的研究方向,其利用类似于人脑的神经网络研究来自不同处理层数据的潜在特征。深度学习涉及使用人工神经网络来模拟人脑的生理功能,这种网络由多层人工神经元组成。在医学和医疗保健领域,深度学习主要应用于医学成像分析,尤其在各种医疗状况的检测方面显示出强大的诊断能力[2]。近年来,随着眼科成像技术的迅速发展和日益成熟,单个患者即有大量图像支持日常的诊断和工作,这种图像的爆炸式增长使医学思维和管理变得更加复杂。因此,每位患者都成为包含大量信息的“大数据”[3]。在眼科领域,深度学习系统在自动检测糖尿病视网膜病变(diabetic retinopathy,DR)[4]、青光眼[5]、年龄相关性黄斑变性(age-related macular degeneration,ARMD)[6]和早产儿视网膜病变 (retinopathy of prematurity,ROP)[7]等疾病方面均表现良好。

近年报道了诸多关于脉络膜厚度(choroidal thickness,CT)与各种脉络膜视网膜疾病的相关研究。中心凹下脉络膜厚度(SFCT)被认为是一种敏感的生物标志物,用于预测、诊断、干预和随访各种急性或慢性脉络膜视网膜疾病[8]。本文旨在回顾各种脉络膜视网膜疾病中的脉络膜厚度特征,并探讨不同深度学习模型在脉络膜厚度测量中的最新应用。

1 脉络膜厚度在不同眼病中的特征

脉络膜是位于眼后段视网膜和巩膜之间的血管组织层,对于视网膜色素上皮(retinal pigment epithelium,RPE)和外层视网膜的氧合和代谢活动至关重要。厚脉络膜谱系疾病(pachychoroid spectrum disease)中,脉络膜的功能和结构变化被认为起着关键的致病作用,主要包括中心性浆液性脉络膜视网膜病变(CSC)、息肉状脉络膜血管病变(PCV)等。……

登录APP查看全文