摘要
利用人工智能(AI)深度学习技术，一项新的研究开发了一种更精确、更详细的方法来分析眼睛后部的图像，以帮助临床医生检测和跟踪眼疾，如青光眼和老年性黄斑变性。研究结果发表在《自然科学报告》杂志上。
利用人工智能(AI)深度学习技术，一项新的研究开发了一种更精确、更详细的方法来分析眼睛后部的图像，以帮助临床医生检测和跟踪眼疾，如青光眼和老年性黄斑变性。研究结果发表在《自然科学报告》杂志上。
该研究的主要作者、昆士兰科技大学验光与视觉科学学院的高级研究员大卫·阿隆索-卡内罗博士说，研究小组已经探索了一系列最先进的深度学习技术，以分析光学相干断层扫描(OCT)图像。
OCT是验光师和眼科医生常用的仪器。它拍摄眼睛的横断面图像，显示不同的组织层。这些图像是高分辨率的——大约4微米;比人类的头发要少得多，人类的头发大约有100微米厚。
阿隆索-卡内罗博士说，利用OCT扫描来绘制和监测眼睛组织层的厚度，可以帮助临床医生发现眼部疾病。
他说:“在我们的研究中，我们寻找一种新的方法来分析图像，并提取眼睛后部的两个主要组织层，视网膜和脉络膜，对脉络膜特别感兴趣。”
脉络膜位于视网膜和巩膜之间，它包含着为眼睛提供营养和氧气的主要血管。
OCT使用的标准成像处理技术能够很好地定义和分析视网膜组织层，但是很少有临床OCT仪器有软件可以分析脉络膜组织。
“因此，我们训练了一个深度学习网络来学习图像的关键特征，并准确、自动地界定脉络膜和视网膜的边界。”
研究小组对101名视力良好、眼睛健康的儿童进行了为期18个月的纵向研究，收集了OCT的脉络膜视网膜扫描图像，并利用这些图像训练程序检测脉络膜模式，确定脉络膜边界。
然后，他们将自己开发的程序与标准的图像分析方法进行比较，发现他们的程序更可靠、更准确。
阿隆索-卡内罗博士说:“能够分析OCT图像提高了我们对眼部组织变化的理解，这些变化与正常的眼部发育、衰老、屈光不正和眼疾有关。”
“从脉络膜图像中获得更可靠的信息，这是我们的项目提供的，在临床上很重要，也有助于通过研究增进我们对眼睛的理解。”
“我们认为我们的方法可以提供一种更好的方法来绘制和监测脉络膜组织的变化，并有可能更早地诊断眼疾。”
阿隆索-卡内罗博士说，这个新项目已经与澳大利亚和海外的眼科研究人员分享，希望商业OCT仪器的制造商可能有兴趣应用它。
研究小组还想做进一步的研究，在老年人群和确诊患者的图像上测试该程序。
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
