基于眼底成像与人工智能的青光眼自动检测：综述
计算机视觉与模式识别
2022-04-13 v1 人工智能
摘要
青光眼是全球不可逆视力损伤的主要原因，且全球病例持续上升。早期检测至关重要，可及时进行干预以防止进一步的视野丧失。为检测青光眼，可通过眼底成像检查视神经乳头，其核心是评估视杯与视盘边界。眼底成像无创且低成本；然而，图像检查依赖于主观、耗时且昂贵的专家评估。一个及时的问题是人工智能能否模仿专家做出的青光眼评估。即，人工智能能否自动找到视杯和视盘的边界(提供所谓的分割眼底图像)，然后利用分割图像高精度识别青光眼。我们对生成并使用分割眼底图像的人工智能赋能青光眼检测框架进行了全面综述。我们找到了28篇论文，并确定了两种主要方法：1)基于逻辑规则的框架，基于一组简化决策规则；2)基于机器学习/统计建模的框架。我们总结了这两种方法的现状，并强调了人工智能赋能青光眼检测框架转化到临床实践所需克服的关键障碍。
引用
@article{arxiv.2204.05591,
title = {Automatic detection of glaucoma via fundus imaging and artificial intelligence: A review},
author = {Lauren Coan and Bryan Williams and Krishna Adithya Venkatesh and Swati Upadhyaya and Silvester Czanner and Rengaraj Venkatesh and Colin E. Willoughby and Srinivasan Kavitha and Gabriela Czanner},
journal= {arXiv preprint arXiv:2204.05591},
year = {2022}
}