面向居家分析视网膜粘膜底图像的移动应用开发

机器学习正作为医学影像诊断工具获得显著关注，尤其在视网膜粘膜底图像分析方面。然而，该方法尚未能在临床应用中发挥作用，因其仍依赖专业人士的人工验证。因此，我们提出了设计一个用于监测与年龄相关疾病相关的视网膜粘膜底图像指标的移动应用程序。该平台旨在观察这些指标随时间的变化，为潜在的眼部疾病提供早期线索，却不直接提供诊断。分析的指标包括血管扭曲程度，以及疑杆症、黄斑病变和黄斑水肿的迹象。为评估视网膜病变分级和黄斑水肿风险，我们在梅西杜尔数据集上训练了一个模型，并与在MAPLES-DR数据集上训练的类似模型进行比较。此外，还融合来自DeepSeeNet眼底病变检测模型的信息以及扭曲度计算，以最终构建一个视网膜粘膜底图像监测平台。结果表明，该移动应用程序允许通过定期上传照片来监测与年龄相关疾病相关的眼部指标的趋势或变化。