|
编者按：习主席在致世界人工智能大会贺信中表示人工智能可为高质量发展赋能。近年来眼底病领域创新性研究层出不穷，今年中国眼底病论坛暨国际视网膜研讨会中AI技术尤为受众位学者重视。《国际眼科时讯》有幸为您呈现相关学术内容。 大数据及人工智能在生物医学中的应用 澳大利亚悉尼大学DaganFeng教授是年“三秦友谊奖”获得者，其研究领域为多媒体信息技术。DaganFeng教授会议中阐述了自18世纪以来发生的多代工业及信息化革命，表示医学深受影响，已进入大数据时代。医药保健将成为人类下一个探月行动。目前微软已实现网络化，专家预言AI将引领医药界发展。虽然AI可改变放射学，但不可取而代之。另外，AI与大数据的联合为生物医学带来突破性改变，包括疾病的诊断及治疗、青光眼视神经病变检测、DR及相关眼病的分级、疾病预测以及脑部肿瘤患者预后生存率预测等。DaganFeng教授指出机器学习是AI领域最能体现智能的一个分支，而深度学习是AI取得成功的关键，深度学习的本质为机器学习。 生物学图像分析及可视化的机器学习 JinmanKim教授致力于AI研究多年，并于年2月最新发表了一篇《AutomatedSegmentationoftheOpticDiskandCupusingDual-StageFullyConvolutionalNetworks》的文章。JinmanKim教授指出AI可为临床带来极大优势，譬如可准确预测10年内心脏病的发生情况，所以AI市场发展与日俱增。AI图像研究具有里程碑式意义，生物学图像分析及可视化将大大提高临床疾病的诊断及治疗水平。未来可进一步优化算法，进行脉络膜血管病变回顾性分析和量化，并尝试发展为一种疾病预测工具。 视网膜疾病自动处理及分析的深度学习 悉尼大学XiuyingWang教授此次会议中展示了AI成果转化，包括多模态图像分割、多模态数据合成、诊断自动分类及描述、数据分析量化及预测、视网膜图像处理和分析的深度学习、多模态图像多维可视化。 AI在高度近视眼底病变中的应用及前景 上海交通医院许迅教授表示，AI技术的特点是准确、量化、及时。此外，AI还可补充目前对病理性近视（PM）临床诊疗具有高度指导意义分级标准的缺乏，对高度近视视盘旁萎缩病灶进行自动精确识别提取以助于后续病例数据的量化分析，对现有脉络膜血管成像技术进行补充，有助于高度近视并发症的定量分析。例如对漆裂纹的自动分割与量化分析可有效反映近视黄斑病变的严重程度，RNFL层识别可早期检测PM病灶神经改变，外核层识别可监测PM治疗过程中层间厚度变化，椭圆体带识别可检测mCNV治疗过程中外层视网膜厚度变化。但许教授指出，AI+眼科存在一定局限性，包括只能范围局限、新病灶特征的发现分析局限尚依赖于人工标记、病灶识别准确性局限，未来可尝试广角成像技术、进行迁移学习以及建立对抗网络。 视网膜血管性疾病OCT图像的智能分层研究 视网膜血管性疾病属于常见致盲性眼底病变，可分为原发性和继发性，PM为近视人群中首要的致盲因素，DME为工作年龄段人群的首要致盲因素。因此预后的预测及治疗效果的判断极为重要。 许教授及其团队对病理性近视、糖尿病视网膜病变进行研究，将AI分层结果与人工测量的结果进行对比，比较层与层位置的差异。基于能量分层的结果发现，正常组视神经纤维层上下以及内核层上的分层准确性高于机器内置方法，mCNV组视神经纤维层下层以及椭圆体带上层准确性明显优于机器内置算法，DR组外核层结果准确性明显优于机器内置算法。实验结果位置偏差低于5μm。同时对于原发性和继发性视网膜血管病变进行分层研究，并发CNV及黄斑水肿的视网膜血管病变也可取得较高的识别分割结果，避免人为误差。 小结 随着AI技术的引进、信息化的介入，临床检测结果可信度、疾病预测性分析及治疗效果亦逐渐提高，提高全民健康的可及性未来可期。 （来源：《国际眼科时讯》编辑部） 版 权 声 明 版权属《国际眼科时讯》所有。欢迎个人转发分享。其他任何媒体、网站如需转载或引用本网版权所有之内容，须经本网同意并在文章顶部注明“转自《国际眼科时讯》” 赞赏 |
地址：