基于深度学习的眼表疾病图像识别与分类方法研究综述.docVIP

基于深度学习的眼表疾病图像识别与分类方法研究综述

眼表疾病是一类影响角膜、结膜、眼睑等眼表组织结构的疾病总称，常见类型包括干眼症、结膜炎、角膜炎、翼状胬肉、睑板腺功能障碍等，这类疾病不仅会导致患者出现眼部异物感、烧灼感、视力下降等不适症状，严重时还可能造成不可逆的视觉损伤，是全球范围内视力损害的主要原因之一。传统的眼表疾病诊断高度依赖眼科医生的临床经验，需要通过裂隙灯检查、泪膜破裂时间检测、角膜荧光素染色等有创或半有创手段获取信息，诊断效率受医生经验水平、医疗资源分布的影响较大，在基层医疗机构和偏远地区容易出现漏诊、误诊问题。随着医学影像技术的快速发展，眼前节照相、共聚焦显微镜、光学相干断层扫描（OCT）等设备能够获取高分辨率的眼表图像，为眼表疾病的无创诊断提供了数据基础，而深度学习技术在计算机视觉领域的突破，为实现眼表疾病的自动化、智能化识别与分类提供了可行路径。

一、眼表疾病图像数据集构建与预处理技术

数据集是深度学习模型训练的基础，高质量标注的眼表图像数据集是模型实现精准识别的前提。当前眼表疾病图像数据集主要分为公开数据集和医疗机构自建数据集两类：公开数据集方面，代表性的包括新加坡国立大学发布的SS-OSID数据集，包含12000张裂隙灯图像，覆盖8种常见眼表疾病，标注了疾病类型、病变位置、严重程度等信息；国内中山大学中山眼科中心发布的OSD-China数据集，包含15000