眼科智能影像技術

第 1 章 眼科學發展背景
1.1 眼科學基礎
1.1.1 眼前節結構
1.1.2 眼後節結構
1.2 常見眼科疾病與診療
1.2.1 常見眼表疾病
1.2.2 白內障
1.2.3 青光眼
1.2.4 常見視網膜疾病
1.2.5 屈光不正
1.3 眼科學的過去、現在與未來
1.3.1 眼科學歷史
1.3.2 眼科學現狀
1.3.3 眼科學未來
參考文獻
第 2 章 眼科影像概述
2.1 眼前節影像
2.1.1 裂隙燈顯微鏡
2.1.2 角膜地形圖
2.1.3 角膜共聚焦顯微鏡
2.1.4 角膜內皮顯微鏡
2.1.5 超聲生物顯微鏡
2.1.6 前節光學相幹斷層掃描
2.1.7 Scheimpflug 眼前節分析儀
2.2 眼後節影像
2.2.1 眼底彩照
2.2.2 熒光素眼底血管造影
2.2.3 吲哚菁綠血管造影
2.2.4 共焦掃描激光檢眼鏡
2.2.5 眼底光學相幹斷層掃描
2.2.6 光學相幹斷層血管成像
2.3 其他眼科檢查設備
2.3.1 視野計
2.3.2 計算機體層成像
2.3.3 磁共振成像
2.4 眼科檢查的未來
參考文獻
第 3 章 眼科人工智能背景
3.1 人工智能及其在眼科領域的發展歷程
3.2 人工智能框架簡介
3.2.1 經典機器學習算法
3.2.2 經典深度神經網絡
3.3 人工智能在眼科影像分析中的部署方式
3.3.1 各類監督學習方法
3.3.2 人工智能前沿方法
3.4 本章小結
參考文獻
第 4 章 眼科影像預處理
4.1 影像質量評估
4.1.1 全參考影像質量評估
4.1.2 無參考影像質量評估
4.2 眼科影像增強
4.2.1 基於影像處理的眼科影像增強
4.2.2 基於學習模型的眼科影像增強
4.3 結合預處理的眼科影像分析
4.3.1 輔助影像采集促進診療決策
4.3.2 融合質量感知的影像智能分析
4.4 總結
參考文獻
第 5 章 眼科影像結構分割
5.1 眼前節解剖結構分割
5.1.1 角膜結構分割
5.1.2 虹膜與房角分割
5.1.3 其他眼表結構分割
5.2 眼後節結解剖結構分割
5.2.1 眼底層結構分割
5.2.2 眼底血管分割
5.2.3 視杯視盤分割
5.2.4 眼底病竈分割
5.3 基於手術視頻的結構分割
參考文獻
第 6 章 眼科影像疾病診斷
6.1 青光眼
6.1.1 概述
6.1.2 基於機器學習的青光眼診斷
6.1.3 基於多模態信息融合的深度學習診斷方法與 可解釋性提升
6.2 白內障
6.2.1 概述
6.2.3 基於機器學習的白內障診斷
6.2.4 結合臨床先驗知識的深度學習診斷方法
6.3 年齡相關性黃斑病變
6.3.1 概述
6.3.2 基於機器學習的 AMD 預測與診斷
6.3.3 基於深度學習的 AMD 預測與診斷
6.4 糖尿病視網膜病變
6.4.1 概述
6.4.2 基於機器學習的糖尿病視網膜病變診斷
6.4.3 基於深度學習的糖尿病視網膜病變診斷
6.5 其他
6.6 AI 診斷評價
6.6.1 概述
6.6.2 診斷評價的意義
6.6.3 診斷評價方法
參考文獻
第 7 章 人工智能的眼科應用場景
7.1 AI+眼科成像升級
7.1.1 概述
7.1.2 AI 賦能眼科成像
7.2 AI+篩查與診斷
7.2.1 概述
7.2.2 早期篩查與診斷應用
7.3 AI+輔助量化分析
7.3.1 概述
7.3.2 眼前節應用
7.3.3 眼後節應用
7.4 AI+手術規劃與導航
7.4.1 概述
7.4.2 AI 與眼科手術
7.4.3 機器人與眼科手術
參考文獻
第 8 章 智能眼科影像技術的未來
8.1 智能眼科影像技術自身發展
8.1.1 智能眼科成像技術的未來發展
8.1.2 智能眼科分析技術的未來發展
8.2 眼科學的再認識與再發展
8.3 反哺人工智能算法發展