Deep Learning Algoritm för att upptäcka obstruktiv kranskärlssjukdom med hjälp av ögonbottenfotografier

Artificiell intelligens, tränad genom modellinlärning, kan snabbt utföra medicinsk bildigenkänning och används i stor utsträckning vid tidig sjukdomsscreening och assisterad diagnos. Med den kontinuerliga optimeringen av djupinlärning har tillämpningen av AI hjälpt till att upptäcka några tidigare okända samband med andra systemiska sjukdomar. Artificiell intelligens baserad på näthinnefundusbilder kan användas för att upptäcka anemi, lever- och gallsjukdomar och kronisk njursjukdom och för att förutsäga andra systemiska biomarkörer. Ovanstående studier ger en teoretisk grund för tillämpningen av artificiell intelligens-teknologi baserad på näthinnan fundusbilder för diagnos och förutsägelse av hjärt-kärlsjukdomar.

För närvarande finns det fortfarande en brist på exakta, snabba och lättanvända diagnostiska och terapeutiska verktyg för prediktiv modellering av risk för kranskärlssjukdom och tidiga screeningverktyg i Kina och världen. Fundusbild används gradvis som ett verktyg för omfattande screening av sjukdomar på grund av dess speciella koppling till blodkärl i hela kroppen, samt lättillgänglig, billig och effektiv. Det är av stor vetenskaplig och social betydelse att utveckla och validera en modell för identifiering och förutsägelse av kranskärlssjukdom och dess riskfaktorer baserad på ögonbottenbilder med hjälp av AI djupinlärningsalgoritmer, och att utforska värdet av AI ögonbottenbilder för att hjälpa kranskärlssjukdom diagnos och screening för ett brett spektrum av tillämpningar.