深度学习在脉络膜分割中的应用研究进展

摘要：

近年来,眼科作为高度依赖辅助成像的医学领域之一,一直处于深度学习算法应用的前沿.脉络膜的形态变化与眼底疾病的发生、发展以及治疗预后密切相关.光学相干断层扫描的快速发展极大地促进了对脉络膜形态和结构的精确分析.脉络膜分割及相关分析对于确定眼病的发病机制和治疗策略至关重要,然而,目前脉络膜主要依赖于繁琐、耗时和重复性低的人工手动分割.为了克服这些困难,近年来开发了用于脉络膜分割的深度学习方法,极大地提高了脉络膜分割的准确性和效率.本文旨在回顾不同眼病中脉络膜厚度的特征,探讨深度学习模型在测量脉络膜厚度中的最新应用及其优势,同时关注深度学习模型面临的挑战.

关键词：脉络膜厚度、脉络膜分割、深度学习、增强深度成像的光学相干断层扫描、卷积神经网络

所属期刊栏目：23

分类号：R774.5;TP391.41;R363

在线出版日期：2023-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1007-1011