期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
人工智能在睑板腺功能障碍相关干眼中的应用现状及进展 被引量:3
1
作者 韩亚波(综述) 易全勇(审校) 《中华实验眼科杂志》 CAS CSCD 北大核心 2024年第2期187-191,共5页
近年来,随着环境变化以及部分人群过度用眼等因素影响,干眼的发病率逐年升高,作为其主要类型的蒸发过强型干眼的发生多是由于脂质层出现质或量异常而引起的睑板腺功能障碍(MGD)所致,由于诊断和分类的差异,目前对于该病的治疗尚无统一标... 近年来,随着环境变化以及部分人群过度用眼等因素影响,干眼的发病率逐年升高,作为其主要类型的蒸发过强型干眼的发生多是由于脂质层出现质或量异常而引起的睑板腺功能障碍(MGD)所致,由于诊断和分类的差异,目前对于该病的治疗尚无统一标准,临床医生对其诊疗效果的判断和随访管理受限。随着大数据的可获得性、计算机图形处理及数学模型的改进,人工智能(AI)在医疗领域获得广泛应用。AI系统能够利用机器学习和深度学习等技术,发挥先进的问题求解能力,使诊断更客观,提高诊疗效率。AI在眼科的应用主要是基于眼科图像的辅助诊断、眼病筛查,减少医疗系统对人工的依赖程度,使眼病相关筛查诊断更快速、更便捷、一致性更高,缓解医疗负担,从而显著提高医疗服务的效率和成本效益。目前,AI在白内障、青光眼、糖尿病视网膜病变等领域的使用日趋成熟,在MGD相关干眼领域的研究也取得一定进展,本文就AI在MGD相关干眼中的应用现状及进展进行综述。 展开更多
关键词 人工智能 深度学习 机器学习 干眼 睑板腺功能障碍 图像分类与分析
在线阅读 下载PDF
深度学习探讨视网膜成像在阿尔茨海默病管理中的应用
2
作者 吴美初 柯殷雨 +1 位作者 唐云华 张富文 《眼科新进展》 CAS 北大核心 2024年第8期663-667,共5页
阿尔茨海默病(AD)是一种不可逆的神经系统退行性疾病,早期筛查和诊断对有效治疗AD至关重要,然而AD诊断的复杂性使得基层筛查面临困难。视网膜作为中枢神经系统的外延,其变化与AD进展紧密相连,能够为非入侵性早期检测AD提供新途径。近年... 阿尔茨海默病(AD)是一种不可逆的神经系统退行性疾病,早期筛查和诊断对有效治疗AD至关重要,然而AD诊断的复杂性使得基层筛查面临困难。视网膜作为中枢神经系统的外延,其变化与AD进展紧密相连,能够为非入侵性早期检测AD提供新途径。近年来,深度学习(DL)在医学领域取得了显著进展,特别是图像识别和分析方面,DL与视网膜成像的结合在诊治AD中展现出巨大潜力。本文探讨了DL在分析AD视网膜图像中的应用进展,包括疾病的诊断、进展预测、长期管理策略,以及现阶段在临床实践中的不足,以期为DL在AD视网膜图像应用的进一步研究提供参考。 展开更多
关键词 阿尔茨海默病 人工智能 深度学习 图像分类与分析 光学相干断层扫描 光学相干断层扫描血管成像 眼底照相
在线阅读 下载PDF
人工智能在干眼临床诊断中的应用专家共识(2023) 被引量:14
3
作者 《人工智能在干眼临床诊断中的应用专家共识(2023)》专家组 中国医药教育协会眼科影像与智能医疗分会 +3 位作者 中国人口文化促进会角膜病与眼表疾病分会 邵毅 陈蔚 刘祖国 《眼科新进展》 CAS 北大核心 2023年第4期253-259,共7页
干眼作为一种常见的眼科疾病,患病率高,涉及人群广。随着人工智能(AI)计算机图像技术的兴起、算法模型的改进和医学大数据的海量增长,技术,包括以深度学习(DL)为热门技术的机器学习(ML)技术在医疗领域获得了广泛的应用。AI系统具有先进... 干眼作为一种常见的眼科疾病,患病率高,涉及人群广。随着人工智能(AI)计算机图像技术的兴起、算法模型的改进和医学大数据的海量增长,技术,包括以深度学习(DL)为热门技术的机器学习(ML)技术在医疗领域获得了广泛的应用。AI系统具有先进的问题求解能力和稳定的可重复性,因此,医学领域使用此类技术可以帮助临床医生作出更加客观的诊断。AI在医学上应用取得的成功主要是基于ML这一分支领域的广泛应用,ML技术主要被用来分析患者数据和医学图像中的关键特征,以辅助疾病诊断、严重程度分级和预后判断。AI在眼科学领域的应用已取得显著进展。本文就AI、ML和DL在干眼诊断中的临床应用形成共识,为AI在干眼中的进一步研究和应用提供参考。 展开更多
关键词 人工智能 深度学习 机器学习 干眼 图像分类与分析
在线阅读 下载PDF
人工智能及其在眼科疾病诊疗中的应用 被引量:8
4
作者 孙铁 张雨晴 邵毅 《眼科新进展》 CAS 北大核心 2020年第8期793-796,800,共5页
随着诊断技术的进步,人们对眼部的结构及其相关病变有了更为深入的了解角膜共聚焦显微镜可提供角膜内不同层次的详细视图;而数字图像则能提供丰富的形态数据集。为了能够自动提取与眼科疾病相关的临床信息,在对正常角膜进行评估的同时... 随着诊断技术的进步,人们对眼部的结构及其相关病变有了更为深入的了解角膜共聚焦显微镜可提供角膜内不同层次的详细视图;而数字图像则能提供丰富的形态数据集。为了能够自动提取与眼科疾病相关的临床信息,在对正常角膜进行评估的同时识别异常的角膜,人们将人工智能(artificial intelligence,AI)与眼部结构联系起来。与传统的信息处理技术相比,AI具有更高的准确性,并能进行快速、无创的综合分析。基于神经网络的机器学习和深度学习方法能够识别、定位和量化大量眼科疾病中的病理特征,并作出推断或预测。AI的应用前景包括自动检测疾病的发生、筛选、诊断分级以及治疗指导,治疗效果的量化以及全新治疗方法的鉴定。预测和预后功能进一步扩展了AI在眼科中的应用潜力,这将实现医疗保健的个体化以及大规模管理,协助眼科医生提供高质量的诊断和治疗,并应对更复杂的临床难题。 展开更多
关键词 人工智能 眼科疾病 共聚焦显微镜 人工神经网络 图像分类与分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部