Deep Learning Algoritme til påvisning af obstruktiv koronararteriesygdom ved hjælp af fundusfotografier

Kunstig intelligens, trænet gennem modellæring, kan hurtigt udføre medicinsk billedgenkendelse og er meget udbredt til tidlig sygdomsscreening og assisteret diagnose. Med den kontinuerlige optimering af deep learning har anvendelsen af ​​AI hjulpet med at opdage nogle hidtil ukendte associationer til andre systemiske sygdomme. Kunstig intelligens baseret på nethindefundusbilleder kan bruges til at påvise anæmi, hepatobiliære sygdomme og kronisk nyresygdom og til at forudsige andre systemiske biomarkører. Ovenstående undersøgelser giver et teoretisk grundlag for anvendelsen af ​​kunstig intelligens-teknologi baseret på nethindefundusbilleder til diagnosticering og forudsigelse af hjerte-kar-sygdomme.

På nuværende tidspunkt er der stadig mangel på præcise, hurtige og brugervenlige diagnostiske og terapeutiske værktøjer til forudsigelig modellering af risiko for koronar hjertesygdom og tidlige screeningsværktøjer i Kina og verden. Fundusbillede bruges efterhånden som et værktøj til omfattende screening af sygdomme på grund af dets særlige forbindelse med blodkar i hele kroppen, samt nem adgang, billig og effektiv. Det er af stor videnskabelig og social betydning at udvikle og validere en model til identifikation og forudsigelse af koronar hjertesygdom og dens risikofaktorer baseret på fundusbilleder ved hjælp af AI deep learning algoritmer, og at udforske værdien af ​​AI fundus billeder til at hjælpe med koronar hjertesygdom diagnose og screening til en bred vifte af applikationer.