Deep Learning-baseret system og AIDS-relateret Cytomegalovirus Retinitis

Oftalmologisk screening for cytomegalovirus retinitis (CMVR) for HIV/AIDS-patienter er vigtig. Den manuelle screening med fundus-billeddannelse er dog besværlig og subjektiv.

Deep learning (DL) system er blevet udviklet til automatiseret detektion af forskellige øjensygdomme med høj nøjagtighed og effektivitet, herunder diabetisk retinopati, glaukom, aldersrelateret makuladegeneration (AMD), papilleødem, gitterdegeneration og retinale brud, fra øjenfundusfotografier . UWF-billeddannelse er en relativt ny billeddannelsesmodalitet til DL-systemet, men har også vist ekstraordinære talenter inden for automatisk nethindeanalyse Med presset på rutinemæssig CMVR-screening hos AIDS-patienter og DL-systemets store kapacitet, brugen af ​​deep learning (DL)-system til AIDS -relateret CMVR med Ultra-Widefield (UWF) fundusbilleder er lovende.

Efterforskerne har tidligere udviklet et DL-system til at detektere AIDS-relateret CMVR. For yderligere at evaluere anvendeligheden af ​​DL-systemet er et potentielt datasæt nødvendigt.