高级检索
中华实验眼科杂志
期刊首页
过刊列表
高级检索
稿件发表
• 综述 •
ENGLISH ABSTRACT
人工智能在眼科光相干断层扫描图像中的应用
段恺睿
张弘 [综述]
作者及单位信息
·
DOI： 10.3760/cma.j.cn115989-20191231-00566
Application of artificial intelligence in ophthalmic optical coherence tomography
Duan Kairui
Zhang Hong
Authors Info & Affiliations
Duan Kairui
Eye Hospital, The First Affiliated Hospital of Harbin Medical University, Harbin 150001, China
Zhang Hong
Eye Hospital, The First Affiliated Hospital of Harbin Medical University, Harbin 150001, China
·
DOI： 10.3760/cma.j.cn115989-20191231-00566
933
237
0
1
5
3
PDF下载
APP内阅读
摘要

人工智能(AI)作为计算机科学的前沿研究领域，在医学领域已有广泛的应用。眼科诊疗过程中产生大量影像学资料，而AI在图像识别方面具有极大优势，将AI应用于眼科影像已逐渐成为眼科领域的研究热点。目前，已有大量研究报道AI技术成功应用于眼科疾病的诊断、分型、分期、治疗途径和治疗效果随访跟踪，如闭角型青光眼、年龄相关性黄斑变性和糖尿病视网膜病变等。此外，近年来有越来越多的研究发现将AI技术应用于光相干断层扫描(OCT)和光相干断层扫描血管成像(OCTA)图像识别、判读，进而诊断眼科疾病，同样具有较高的特异性和准确性。本文就目前AI结合OCT和OCTA图像在眼前节疾病、眼底疾病等眼部疾病中的临床应用作一综述。

人工智能;深度学习;光相干断层扫描;年龄相关性黄斑变性;糖尿病视网膜病变;青光眼
ABSTRACT

Artificial intelligence (AI) has become the forefront of research in computer science, which has been widely used in the medical field.Ophthalmology is a discipline highly dependent on imaging inspection.AI has great advantages in image recognition.The combination of the two has gradually become a research focus in ophthalmology.Recent research results have promoted the development of the diagnosis, classification, staging, treatment approach and follow-up of treatment effects of ophthalmic diseases, such as angle-closure glaucoma, age-related macular degeneration and diabetic retinopathy.In recent years, the rapid development of optical coherence tomography (OCT) and optical coherence tomography angiography (OCTA) has become an indispensable part of the ophthalmic auxiliary examination.More and more researchers have applied deep learning technology in AI to identify and interpret OCT and OCTA images to diagnose eye diseases.Some researchers have applied AI to OCTA to improve the quality of images.AI shows excellent specificity and accuracy in interpretation and diagnosis for disease through images which can even be comparable to human experts.This article mainly outlines the concept and characteristics of AI as well as the current application of AI combined with OCT and OCTA images in eye diseases.

Artificial intelligence;Deep learning;Tomography, optical coherence;Age-related macular degeneration;Diabetic retinopathy;Glaucoma
Zhang Hong, Email: mocdef.3ab6165450540831
Copyright by Chinese Medical Association
No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.
All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
引用本文

段恺睿,张弘. 人工智能在眼科光相干断层扫描图像中的应用[J]. 中华实验眼科杂志,2022,40(01)：83-87.

DOI:10.3760/cma.j.cn115989-20191231-00566

PERMISSIONS

Request permissions for this article from CCC.

评价本文
*以上评分为匿名评价

版权归中华医学会所有。

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。

除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

随着眼科的发展，大部分眼科疾病的诊疗越来越依赖影像学检查，同时产生了大量的眼科检查图像。人工智能(artificial intelligence，AI)在图像识别方面具有极大优势，因此，将AI应用于眼科图像的识别以进一步提高眼科疾病的诊疗效率，近年来逐渐成为眼科领域的研究热点。有研究发现将AI应用于光相干断层扫描(optical coherence tomography，OCT)和光相干断层扫描血管成像(optical coherence tomography angiography，OCTA)图像的识别、判读，进而诊断眼科疾病，具有较高的特异性和准确性。因此，将AI应用于眼科OCT和OCTA图像中的研究具有重要的临床意义。本文对目前AI结合OCT和OCTA图像在眼前节疾病、眼底疾病等眼部疾病中的临床应用研究进展进行综述。
试读结束，您可以通过登录机构账户或个人账户后获取全文阅读权限。
参考文献
[1]
Rahimy E ．Deep learning applications in ophthalmology[J]．Curr Opin Ophthalmol， 2018，29(3)∶254-260. DOI： 10.1097/ICU.0000000000000470 .
返回引文位置Google Scholar
百度学术
万方数据
[2]
Gulshan V ， Peng L ， Coram M ，et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs[J]．JAMA， 2016，316(22)∶2402-2410. DOI： 10.1001/jama.2016.17216 .
返回引文位置Google Scholar
百度学术
万方数据
[3]
Hinton GE ， Osindero S ， Teh YW . A fast learning algorithm for deep belief nets[J]．Neural Comput， 2006，18(7)∶1527-1554. DOI： 10.1162/neco.2006.18.7.1527 .
返回引文位置Google Scholar
百度学术
万方数据
[4]
Hinton G ， Deng L ， Yu D ，et al. Deep neural networks for acoustic modeling in speech recognition：the shared views of four research groups[J]．IEEE Signal processing magazine， 2012，29(6)∶82-97. DOI： 10.1109/MSP.2012.2205597 .
返回引文位置Google Scholar
百度学术
万方数据
[5]
袁进，李萌．重视我国眼科人工智能发展面临的机遇和挑战[J]．中华实验眼科杂志， 2019，37(8)∶599-602. DOI： 10.3760/cma.j.issn.2095-0160.2019.08.002 .
返回引文位置Google Scholar
百度学术
万方数据
Yuan J ， Li M ．Attach importance to the opportunities and challenges facing the development of ophthalmic artificial intelligence in China[J]．Chin J Exp Ophthalmol， 2019，37(8)∶599-602. DOI： 10.3760/cma.j.issn.2095-0160.2019.08.002 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[6]
Esteva A ， Robicquet A ， Ramsundar B ，et al. A guide to deep learning in healthcare[J]．Nat Med， 2019，25(1)∶24-29. DOI： 10.1038/s41591-018-0316-z .
返回引文位置Google Scholar
百度学术
万方数据
[7]
Lewis-Kraus G ．The great A．I.awakening[N/OL]．The New York Times，2016-12-14[2021-05-20]．https://www.nytimes.com/2016/12/14/magazine/the-great-ai-awakening.html.
返回引文位置Google Scholar
百度学术
万方数据
[8]
Muhkerjee S ．A.I.versus M．D.What happens when diagnosis is automated？[N/OL]．The New Yorker，2017-03-27[2021-05-20]．https://www.newyorker.com/magazine/2017/04/03/ai-versus-md.
返回引文位置Google Scholar
百度学术
万方数据
[9]
Russakovsky O ， Deng J ， Su H ，et al. ImageNet large scale visual recognition challenge[J/OL]．arXiv， 2015∶1409.0575[2021-05-20]．https://arxiv.org/abs/1409.0575.
返回引文位置Google Scholar
百度学术
万方数据
[10]
Koch C ．How the computer beat the Go master[N/OL]．Scientific American，2016-03-19[2021-05-20]．https://www.scientifi-camerican.com/article/how-the-computer-beat-the-go-master/.
返回引文位置Google Scholar
百度学术
万方数据
[11]
Silver D ， Schrittwieser J ， Simonyan K ，et al. Mastering the game of Go without human knowledge[J]．Nature， 2017，550(7676)∶354-359. DOI： 10.1038/nature24270 .
返回引文位置Google Scholar
百度学术
万方数据
[12]
Chan S ， Siegel EL . Will machine learning end the viability of radiology as a thriving medical specialty？[J/OL]．Br J Radiol， 2019，92(1094)∶20180416[2021-05-20]．http://www.ncbi.nlm.nih.gov/pubmed/30325645. DOI： 10.1259/bjr.20180416 .
返回引文位置Google Scholar
百度学术
万方数据
[13]
Doors M ， Berendschot TT ， de Brabander J ，et al. Value of optical coherence tomography for anterior segment surgery[J]．J Cataract Refract Surg， 2010，36(7)∶1213-1229. DOI： 10.1016/j.jcrs.2010.05.002 .
返回引文位置Google Scholar
百度学术
万方数据
[14]
Huang D ， Swanson EA ， Lin CP ，et al. Optical coherence tomography[J]．Science， 1991，254(5035)∶1178-1181. DOI： 10.1126/science.1957169 .
返回引文位置Google Scholar
百度学术
万方数据
[15]
Drexler W ， Fujimoto JG . State-of-the-art retinal optical coherence tomography[J]．Prog Retin Eye Res， 2008，27(1)∶45-88. DOI： 10.1016/j.preteyeres.2007.07.005 .
返回引文位置Google Scholar
百度学术
万方数据
[16]
Izatt JA ， Hee MR ， Swanson EA ，et al. Micrometer-scale resolution imaging of the anterior eye in vivo with optical coherence tomography [J]．Arch Ophthalmol， 1994，112(12)∶1584-1589. DOI： 10.1001/archopht.1994.01090240090031 .
返回引文位置Google Scholar
百度学术
万方数据
[17]
Jia Y ， Tan O ， Tokayer J ，et al. Split-spectrum amplitude-decorrelation angiography with optical coherence tomography[J]．Opt Express， 2012，20(4)∶4710-4725. DOI： 10.1364/OE.20.004710 .
返回引文位置Google Scholar
百度学术
万方数据
[18]
Lupidi M ， Cerquaglia A ， Chhablani J ，et al. Optical coherence tomography angiography in age-related macular degeneration：the game changer[J]．Eur J Ophthalmol， 2018，28(4)∶349-357. DOI： 10.1177/1120672118766807 .
返回引文位置Google Scholar
百度学术
万方数据
[19]
Treder M ， Lauermann JL ， Alnawaiseh M ，et al. Using deep learning in automated detection of graft detachment in descemet membrane endothelial keratoplasty：a pilot study[J]．Cornea， 2019，38(2)∶157-161. DOI： 10.1097/ICO.0000000000001776 .
返回引文位置Google Scholar
百度学术
万方数据
[20]
Hayashi T ， Tabuchi H ， Masumoto H ，et al. A deep learning approach in rebubbling after Descemet ' s membrane endothelial keratoplasty [J]．Eye Contact Lens， 2020，46(2)∶121-126. DOI： 10.1097/ICL.0000000000000634 .
返回引文位置Google Scholar
百度学术
万方数据
[21]
Naithani P ， Sihota R ， Sony P ，et al. Evaluation of optical coherence tomography and heidelberg retinal tomography parameters in detecting early and moderate glaucoma[J]．Invest Ophthalmol Vis Sci， 2007，48(7)∶3138-3145. DOI： 10.1167/iovs.06-1407 .
返回引文位置Google Scholar
百度学术
万方数据
[22]
Shigueoka LS ， Vasconcellos J ， Schimiti RB ，et al. Automated algorithms combining structure and function outperform general ophthalmologists in diagnosing glaucoma[J/OL]．PLoS One， 2018，13(12)∶e0207784[2021-05-26]．http://www.ncbi.nlm.nih.gov/pubmed/30517157. DOI： 10.1371/journal.pone.0207784 .
返回引文位置Google Scholar
百度学术
万方数据
[23]
Niwas SI ， Lin W ， Bai X ，et al. Automated anterior segment OCT image analysis for angle closure glaucoma mechanisms classification[J]．Comput Methods Programs Biomed， 2016，130∶65-75. DOI： 10.1016/j.cmpb.2016.03.018 .
返回引文位置Google Scholar
百度学术
万方数据
[24]
Kermany DS ， Goldbaum M ， Cai W ，et al. Identifying medical diagnoses and treatable diseases by image-based deep learning[J]．Cell， 2018，172(5)∶1122-1131. DOI： 10.1016/j.cell.2018.02.010 .
返回引文位置Google Scholar
百度学术
万方数据
[25]
De Fauw J ， Ledsam JR ， Romera-Paredes B ，et al. Clinically applicable deep learning for diagnosis and referral in retinal disease[J]．Nat Med， 2018，24(9)∶1342-1350. DOI： 10.1038/s41591-018-0107-6 .
返回引文位置Google Scholar
百度学术
万方数据
[26]
龚雁，顾在旺，胡衍，等．基于深度学习OCT辅助诊断湿性年龄相关性黄斑变性算法的应用[J]．中华实验眼科杂志， 2019，37(8)∶658-662. DOI： 10.3760/cma.j.issn.2095-0160.2019.08.014 .
返回引文位置Google Scholar
百度学术
万方数据
Gong Y ， Gu ZW ， Hu Y ，et al. The application value of deep learning OCT on wet age-related macular degeneration assisted diagnosis[J]．Chin J Exp Ophthalmol， 2019，37(8)∶658-662. DOI： 10.3760/cma.j.issn.2095-0160.2019.08.014 .
Goto CitationGoogle Scholar
Baidu Scholar
Wanfang Data
[27]
Schmidt-Erfurth U ， Waldstein SM ， Klimscha S ，et al. Prediction of individual disease conversion in early AMD using artificial intelligence[J]．Invest Ophthalmol Vis Sci， 2018，59(8)∶3199-3208. DOI： 10.1167/iovs.18-24106 .
返回引文位置Google Scholar
百度学术
万方数据
[28]
Hwang DK ， Hsu CC ， Chang KJ ，et al. Artificial intelligence-based decision-making for age-related macular degeneration[J]．Theranostics， 2019，9(1)∶232-245. DOI： 10.7150/thno.28447 .
返回引文位置Google Scholar
百度学术
万方数据
[29]
Jemshi KM ， Gopi VP ， Issac Niwas S ．Development of an efficient algorithm for the detection of macular edema from optical coherence tomography images[J]．Int J Comput Assist Radiol Surg， 2018，13(9)∶1369-1377. DOI： 10.1007/s11548-018-1795-6 .
返回引文位置Google Scholar
百度学术
万方数据
[30]
Samagaio G ， Estévez A ， Moura J ，et al. Automatic macular edema identification and characterization using OCT images[J]．Comput Methods Programs Biomed， 2018，163∶47-63. DOI： 10.1016/j.cmpb.2018.05.033 .
返回引文位置Google Scholar
百度学术
万方数据
[31]
Prahs P ， Radeck V ， Mayer C ，et al. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications[J]． Graefe ' s Arch Clin Exp Ophthalmol ， 2018，256(1)∶91-98. DOI： 10.1007/s00417-017-3839-y .
返回引文位置Google Scholar
百度学术
万方数据
[32]
Sandhu HS ， Eltanboly A ， Shalaby A ，et al. Automated diagnosis and grading of diabetic retinopathy using optical coherence to mography [J]．Invest Ophthalmol Vis Sci， 2018，59(7)∶3155-3160. DOI： 10.1167/iovs.17-23677 .
返回引文位置Google Scholar
百度学术
万方数据
[33]
Nagasato D ， Tabuchi H ， Masumoto H ，et al. Automated detection of a nonperfusion area caused by retinal vein occlusion in optical coherence tomography angiography images using deep learning[J/OL]．PLoS One， 2019，14(11)∶e0223965[2021-06-16]．http://www.ncbi.nlm.nih.gov/pubmed/31697697. DOI： 10.1371/journal.pone.0223965 .
返回引文位置Google Scholar
百度学术
万方数据
[34]
Guo Y ， Camino A ， Wang J ，et al. MEDnet，a neural network for automated detection of avascular area in OCT angiography[J]． Biomed Opt Exp ress ， 2018，9(11)∶5147-5158. DOI： 10.1364/BOE.9.005147 .
返回引文位置Google Scholar
百度学术
万方数据
[35]
Lauermann JL ， Treder M ， Alnawaiseh M ，et al. Automated OCT angiography image quality assessment using a deep learning algorithm[J]． Graefe ' s Arch Clin Exp Ophthalmol ， 2019，257(8)∶1641-1648. DOI： 10.1007/s00417-019-04338-7 .
返回引文位置Google Scholar
百度学术
万方数据
[36]
Guo Y ， Hormel TT ， Xiong H ，et al. Development and validation of a deep learning algorithm for distinguishing the nonperfusion area from signal reduction artifacts on OCT angiography[J]．Biomed Opt Express， 2019，10(7)∶3257-3268. DOI： 10.1364/BOE.10.003257 .
返回引文位置Google Scholar
百度学术
万方数据
[37]
Told R ， Reiter GS ， Orsolya A ，et al. Swept source optical coherence tomography angiography，fluorescein angiography，and indocyanine green angiography comparisons revisited：using a novel deep-learning-assisted approach for image registration[J]．Retina， 2020，40(10)∶2010-2017. DOI： 10.1097/IAE.0000000000002695 .
返回引文位置Google Scholar
百度学术
万方数据
[38]
Prentašic P ， Heisler M ， Mammo Z ，et al. Segmentation of the foveal microvasculature using deep learning networks[J/OL]．J Biomed Opt， 2016，21(7)∶75008[2021-06-26]．http://www.ncbi.nlm.nih.gov/pubmed/27401936. DOI： 10.1117/1.JBO.21.7.075008 .
返回引文位置Google Scholar
百度学术
万方数据
备注信息
A
张弘，Email： mocdef.3ab6165450540831
B
所有作者均声明不存在利益冲突
C
国家自然科学基金项目 (81970776、81671844)
黑龙江省医学科学院2017—2018年度科研转化专项基金项目 (CR201809)
评论 （0条）
注册
登录
时间排序
暂无评论，发表第一条评论抢沙发
最新推荐
更多
人工智能在斜视与小儿眼科中的应用
王子健 等
国际眼科纵览 2024,48(02)
人工智能在胰腺癌中的应用及展望
郑志元 等
中华外科杂志 2023,61(01)
眼科基于图像的人工智能
许莉莉 等
中华眼科杂志 2021,57(06)
人工智能在医学中的应用现状与展望
刘蓬然 等
中华医学杂志 2021,101(44)
MedAI助手（体验版）
文档即答
智问智答
机器翻译
回答内容由人工智能生成，我社无法保证其准确性和完整性，该生成内容不代表我们的态度或观点，仅供参考。
生成快照
文献快照

你好，我可以帮助您更好的了解本文，请向我提问您关注的问题。

0/2000

《中华医学会杂志社用户协议》 | 《隐私政策》

《SparkDesk 用户协议》 | 《SparkDesk 隐私政策》

网信算备340104764864601230055号 | 网信算备340104726288401230013号

技术支持：

历史对话
本文全部
还没有聊天记录
设置
模式
纯净模式沉浸模式
字号
小中大