昆士兰科技大学(QUT)的研究人员已应用人工智能(AI)深度学习技术来开发一种更准确，更详细的方法来分析眼后图像，以帮助临床医生更好地检测和跟踪诸如青光眼和老年人等眼部疾病相关的黄斑变性。

他们的发现发表在《自然科学报告》上。

研究的主要作者QUT高级研究员，视光学和视觉科学学院卫生学院的David Alonso-Caneiro博士说，研究小组探索了一系列最先进的深度学习技术来分析光学相干断层扫描( OCT)图片。

OCT是验光师和眼科医生常用的仪器。它获取显示不同组织层的眼睛横截面图像。这些图像是高分辨率的-大约4微米;比例如约100微米厚的人头发少得多。

Alonso-Caneiro博士说，使用OCT扫描来绘制和监视眼睛组织层的厚度可以帮助临床医生检测眼部疾病。

他说：“在我们的研究中，我们寻找一种新的方法来分析图像并提取眼睛后部的两个主要组织层，即视网膜和脉络膜，对脉络膜特别感兴趣。”

脉络膜是视网膜和巩膜之间的区域，它包含为眼睛提供营养和氧气的主要血管。

“与OCT一起使用的标准成像处理技术可以很好地定义和分析视网膜组织层，但是很少有临床OCT仪器具有分析脉络膜组织的软件。

“因此，我们训练了一个深度学习网络，以学习图像的关键特征，并准确，自动地定义脉络膜和视网膜的边界。”

该团队从对101名视力良好和健康的儿童进行的为期18个月的纵向研究中收集了OCT脉络膜视网膜眼部扫描，并使用这些图像训练程序来检测模式并定义脉络膜边界。

然后，他们将开发的内容与标准的图像分析方法进行了比较，发现他们的程序更可靠，更准确。

Alonso-Caneiro博士说：“能够分析OCT图像，使我们对与正常眼睛发育，衰老，屈光不正和眼部疾病有关的眼组织变化有了更好的了解。”

“从我们的程序提供的脉络膜的这些图像中获得更可靠的信息在临床上很重要，对于通过研究促进我们对眼睛的理解也很重要。

“我们认为我们的方法可以提供一种更好地定位和监测脉络膜组织变化的方法，并有可能尽早诊断出眼部疾病。”

Alonso-Caneiro博士说，该新计划已与澳大利亚和海外的眼科研究人员共享，希望商业OCT仪器的制造商可能对应用它感兴趣。

该小组还希望做进一步的研究，以对来自老年人群和被诊断出疾病的人的图像进行测试。