视网膜像素至患者：糖尿病视网膜筛查深度学习研究的演进

糖尿病视网膜 (DR) 仍是不可逆性失明的主要原因，早期检测对于全球降低视力损害至关重要。过去十年，深度学习已彻底变革了 DR 筛查，其研究从基于私有数据集训练的早期卷积神经网络，逐步发展到解决类别不平衡、标签稀缺、域迁移和可解释性等高级管线。本综述提供了涵盖 2016-2025 年 DR 研究的首个系统性综合，汇总了 50 多项研究及 20 多个数据集的结果。我们批判性地审查了方法论进展，包括自监督学习、半监督学习、域泛化、联邦训练和混合神经符号模型，以及评估协议、报告标准和可重复性挑战。基准表表格化了跨数据集的性能，而讨论则突出了多中心验证和临床信任等开放性空白。通过将技术进步与翻译障碍联系起来，本工作为实现可重复、隐私保护且临床可部署的 DR 人工智能提出了实用议程。除 DR 外，本综述所综述的许多创新也广泛适用于大规模医学影像。