學術不端文獻論文查重檢測系統 多語種 圖文 高校 期刊 職稱 查重 抄襲檢測系統
在青光眼檢測方面也有人開發了深度學習系統來直接鑒別青光眼。 然而,這些方法主要集中在研究視盤區域有限的上下文信息,而忽視了整個眼底圖像的全局信息。 視盤區域的裁切也影響了篩查的準確度。
為了自動篩查青光眼,人們研究出了一些基于度量的方法,首先分割出主要的圖像結構(包含視杯(optic cup)和視盤(optic cup)),然后計算一些度量參數值來判斷。 然而這些方法嚴重依賴于分割的精度,而分割的精度又容易受到一些因素干擾很難控制。 近年來基于學習的方法逐漸得到了發展,主要是學習眼底圖像的各種可視化的特征,然后根據訓練好的分類器來對青光眼進行篩查。 根據提取的可視化圖像特征,又可以挖掘出更多的相關信息,進一步豐富了臨床數據。 深度學習技術近年來被證明在很多計算機視覺的領域都取得了良好的成效,在醫學圖像分析領域也是如此。 舉例來說,卷積神經網絡(CNNs)通過學習分層的特征,在眼底血管檢測方面效果顯著。 在青光眼檢測方面也有人開發了深度學習系統來直接鑒別青光眼。
原論文: Fu, Huazhu , et al. "Disc-aware Ensemble Network for Glaucoma Screening from Fundus Image." IEEE Transactions on Medical Imaging (2018):1-1. 青光眼是一種能夠致盲的常見眼病,并且具有不可逆性。 因此早期的診斷和治療對于提高患者的生活質量有至關重要的作用。
閉角型青光眼患者的臨床特征可通過前房角鏡觀察獲得。 前房角鏡是一個簡單的,手持式鏡面反射裝置,放置在患者眼睛上后,再通過裂隙燈生物顯微鏡檢查房角(圖5)。 隨著房角鏡動態變化,檢查者能夠確定周邊前粘連(虹膜和小梁之間的粘連)是否存在。