深度学习与计算机视觉用于青光眼检测：综述
图像与视频处理
2023-08-01 v1 计算机视觉与模式识别
机器学习
摘要
青光眼是全球不可逆性失明的主要原因，由于其依赖主观评估而带来重大诊断挑战。然而，计算机视觉与深度学习的最新进展已展现出自动化评估的潜力。本文中，我们综述了近期基于 AI 的青光眼诊断研究，这些研究使用眼底、光学相干断层扫描和视野图像，并特别侧重于基于深度学习的方法。我们提供了一种更新的分类法，将方法按架构范式组织，并包含可用源代码链接以增强方法的可复现性。通过在广泛使用的公共数据集上的严格基准测试，我们揭示了在泛化性、不确定性估计和多模态集成方面的性能差距。此外，我们的综述整理了关键数据集，同时强调了诸如规模、标注不一致和偏差等局限。我们概述了开放的研究挑战并详述了未来研究的有前景方向。本综述有望对旨在将进展转化为实践的 AI 研究者以及旨在利用最新 AI 成果改进临床工作流与诊断的眼科医生均有助益。
引用
@article{arxiv.2307.16528,
title = {Deep Learning and Computer Vision for Glaucoma Detection: A Review},
author = {Mona Ashtari-Majlan and Mohammad Mahdi Dehshibi and David Masip},
journal= {arXiv preprint arXiv:2307.16528},
year = {2023}
}