《眼科新进展》
1 识别与检测
2 分割
3 域适应
3.1 域适应常规定义
3.2 域适应核心
3.3 传统的域适应方法分类
3.3.1 基于实例
3.3.2 基于特征
3.4 目前主流域适应方法分类
3.4.1 基于差异的域适应
3.4.2 基于对抗学习的域适应
3.4.3 基于数据重构的域适应
4 眼科人工智能的不足和未来的挑战
4.1 数据类别数量分布的不均匀
4.2 不同来源数据所产生的模型偏差
4.3 模型可解释性对医学的重要性
4.4 对未知类别的处理
4.5 实际场景的应用弊端
文章摘要:随着高效的深度神经网络算法、大量高质量医学数据、低成本大规模计算机并行设备的普及,近年来人工智能在眼科领域、院内眼科疾病筛查和院外体检中心都取得了大规模的应用。对某些特定疾病如眼底糖网已经达到甚至超过了大多数全科大夫的水准。在本文中我们以分类、检测、分割、域适应等基础算法为引子,梳理、分析出人工智能在眼科应用中的优势和不足,以便更好地构想未来的研究方向。
文章关键词:
论文分类号:R77;TP18