人工智能辅助眼底影像——机遇与挑战并存
王雯秋1，2，3 , 孙晓东1，2，3
1 上海市第一人民医院眼科 200080； 2 上海市眼视觉及光医学工程研究中心 200080； 3 上海市眼底病重点实验室 200080
Artificial Intelligence Analysis of Fundus Images—Opportunities and Challenges
Wenqiu Wang 1, 2, 3 , Xiaodong Sun 1, 2, 3
1 Department of Ophthalmology, Shanghai General Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai 200080, China 2 Shanghai Engineering Center for Visual Science and Photomedicine, Shanghai 200080, China 3 Shanghai Key Laboratory of Fundus Diseases, Shanghai 200080, China
摘要 影像检查技术在眼底疾病的筛查、评估、诊断、监测中发挥着重要作用。近年来多模式影像，影像标准化操作及数据分析均得到了蓬勃发展，人工智能辅助下的眼底影像技术在提高疾病确诊率，加速新药研发，改善诊疗体验以及判断疾病预后等方面带来新的机遇和挑战。为此，笔者对人工智能与眼底影像结合的研究现状、困难和趋势，并结合中国的国情进行论述，希望能较为客观地展示此领域研究的主题以及近年来新的发展趋势
关键词 ：
眼底影像 ,
人工智能 ,
诊断
Abstract ：Medical imaging technology plays an important role in the screening, evaluation, diagnosis, and monitoring of fundus diseases. In recent years, the development of multi-modality imaging fusion technology, image databases, standardized protocols and image analysis have extracted large amounts of information from imagebased features. Artificial intelligence applications in fundus imaging will bring new opportunities for increasing the rate of disease diagnosis, accelerating the development of new drugs, promoting research and development, improving diagnosis and treatment, and judging the prognosis of patients. This review covers the research status, difficulties and trends of the combination of artificial intelligence and fundus imaging, as well as taking China's national status into consideration, with the goal of presenting an objective update on relevant topics and new prospects in this field.
Key words ：
fundus imaging
artificial intelligence
diagnosis
收稿日期: 2018-10-10
基金资助: 国家自然科学基金重点项目（81730026）；上海市科委生药重点项目（17411953000）；上海市浦江人才计划A类（18PJ1409500）
通讯作者:
孙晓东（ORCID：0000-0001-5015-0945），Email：xdsun@sjtu.edu.cn
[1]
韩丁, 吴淑英, 李筱荣, 等. 中老年人视觉损害的流行病学
调查. 中华眼视光学与视觉科学杂志, 2013, 15(1): 61-64.
DOI: 10.3760/cma.j.issn.1674-845X.2013.01.017.
[2]
孙心铨, 刘晓玲. 眼底疾病影像学检查的合理应用及联合
应用. 中华眼视光学与视觉科学杂志, 2011, 13(3): 161-164.
DOI: 10.3760/cma.j.issn.1674-845X.2011.03.001.
[3]
唐东润. 眼科影像学在临床上的应用及其特点. 中华眼视光
学与视觉科学杂志, 2014, 16(11): 641-645. DOI: 10.3760/cma.
j.issn.1674-845X.2014.11.001.
[4]
中华医学会眼科学会眼底病学组. 我国糖尿病视网膜病变临
床诊疗指南(2014年). 中华眼科杂志, 2014, 50(11): 851-865.
DOI: 10.3760/cma.j.issn.0412-4081.2014.11.014.
[5]
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. JAMA, 2016, 316(22): 2402-
24
10. DOI: 10.1001/jama.2016.17216.
[6]
Abràmoff MD, Lou Y, Erginay A, et al. Improved automated
detection of diabetic retinopathy on a publicly available dataset
through integration of deep learning. Invest Ophthalmol Vis Sci,
20
16, 57(13): 5200-5206. DOI: 10.1167/iovs.16-19964.
[7]
Kermany DS, Goldbaum M, Cai W, et al. Identifying medical
diagnoses and treatable diseases by image-based deep learning.
Cell, 2018, 172(5): 1122-1131.e9. DOI: 10.1016/j.cell.2018.02.
010.
[8]
Raju M, Pagidimarri V, Barreto R, et al. Development of a
deep learning algorithm for automatic diagnosis of diabetic
retinopathy. Stud Health Technol Inform, 2017, 245: 559-563.
[9]
Xiao S, Bucher F, Wu Y, et al. Fully automated, deep learning
segmentation of oxygen-induced retinopathy images. JCI
Insight, 2017, 2(24). pii: 97585. DOI: 10.1172/jci.insight.97585.
[10]
Welikala RA, Foster PJ, Whincup PH, et al. Automated arteriole
and venule classification using deep learning for retinal images
from the UK Biobank cohort. Comput Biol Med, 2017, 90: 23-
32
DOI: 10.1016/j.compbiomed.2017.09.005.
[11]
Rahimy E. Deep learning applications in ophthalmology. Curr
Opin Ophthalmol, 2018, 29(3): 254-260. DOI: 10.1097/ICU.
00
00000000000470.
[12]
陈浙一, 黄美娜. 基于职业倦怠调查表研究眼视光医学教育
体系下视光医师与眼科医师的职业倦怠状况及其相关因素.
中华眼视光学与视觉科学杂志, 2017, 19(8): 496-501. DOI:
10
3760/cma.j.issn.1674-845X.2017.08.008.
[13]
杨晓慧, 胡爱莲. 《糖尿病视网膜病变分级诊疗服务技术方案》
解读. 中华全科医师杂志, 2017, 16(8): 577-578. DOI: 10.3760/
cma.j.issn.1671-7368.2017.08.001.
[14]
张秀兰, 李飞. 人工智能和青光眼: 机遇与挑战. 中华实验眼
科杂志, 2018, 36(4): 245-247. DOI: 10.3760/cma.j.issn.2095-
01
60.2018.04.002.
[1]
李坚, 陶勇, 侯馨竹, 等. 正确看待细胞因子检测和眼病诊治的关系
[2]
于广委, 陈鑫, 王婷, 等. 中青年视网膜中央动脉阻塞患者的临床观察
[3]
高嘉悦 张弘. 睫状体解离诊断和治疗进展
[4]
黄天泽,王宇晨,陈迪,等. 亚临床圆锥角膜的诊断和筛查研究进展
[5]
颜玉缘 孟志勇 胡建民. 色盲矫正研究现状
[6]
白周现,张翠云,邵敬芝,等. 12家系视网膜母细胞瘤基因诊断的回顾性分析
[7]
刘瑞1 王莎莎1 许斐平1 何杰1 曹婷怡1 陈吉利1. 傅里叶域OCT对不同屈光状态非青光眼青年人群神经节细胞复合体的观察
[8]
叶鸿飞 费萍 赵培泉. 外泌体在眼科疾病中的研究进展
[9]
顾虹 沈肇萌 李志国. 基于深度学习模型进行屈光不正与玻璃膜疣的相关性分析
[10]
蔡国平. 细针穿刺活检在葡萄膜黑色素瘤诊断和预后评估中的应用
[11]
秦晓怡1 林锦镛2 杨顺海3. IgG4相关性眼病的病理诊断研究进展
[12]
谭莲 谢汉平 付琰 曾圆圆 杨于力.
六例角结膜恶性黑色素瘤临床和病理学特点
[13]
徐晓茹1 陈嘉玮1 张元勋1 冯义侠1 柯大观2. 以临床前期糖尿病视网膜病变为例分析医学图像人工智能系统在自发荧光图像识别中的应用
[14]
刘廷 张明红 赵璐 禚伟 王殿强. 眼睑肿物术中快速冰冻切片的病理诊断
[15]
郭婉若；杨燕宁. 角膜神经痛的研究进展
浙公网安备 33030202001892号