年龄相关性黄斑变性

（一）病变及分级

年龄相关性黄斑变性（AMD）是50岁及以上人群视力受损的主要原因。脉络膜和视网膜外层如视网膜色素上皮层尤其受到影响，而含有光感受器的视网膜受损可能导致视力丧失。在湿性AMD中，脉络膜新生血管（CNV）可长入视网膜色素上皮层，这些新生血管可能会破裂，导致突然的视力丧失。干性AMD则导致视网膜色素上皮层的萎缩。有多种衡量AMD的量表，常用的一种是年龄相关眼病研究（AREDS）简化量表，该量表将AMD分为四个阶段（无病、早期、中期和晚期）。

（二）年龄相关性黄斑变性检测

Burlina是最早将深度学习用于AMD诊断的人之一，使用预训练的Over FeatDCNN将原始图像映射到4 096维特征向量，然后将向量通过线性SVM分类器输出准确的AMD二进制分类结果，即无病/早期阶段和可参考的中期/晚期阶段。眼后段的OCT扫描显示视网膜的解剖结构，并且扫描中与AMD相关的生物标志物（例如玻璃膜疣）显示得很清楚，这使得通过OCT检测AMD成为可能。一项研究将自动提取的OCT图像用于网络的训练和测试，权重上使用Xavier算法进行初始化，并通过随机梯度下降进行优化。输入图像首先被缩小和直方图均衡化，然后被送入网络，实现了对AMD的有效分类。

（三）年龄相关性黄斑变性图像分割

眼底成像用于分割AMD相关病变，其中随机森林用于分割AMD患者的地理萎缩（GA），指于每个像素邻域提取一个手工特征向量，并训练模型来预测一个像素是否属于GA，该模型在完整数据集和包含低模糊度图像的子集上进行测试。OCT横截面显示有关视网膜病理的信息，也广泛用于AMD病变分割。有文献报道使用U-Net架构来分割OCT视网膜图像中的玻璃膜疣。玻璃膜疣分割数据集是利用预先存在的包含Bruch膜和视网膜色素上皮层分割图像的数据集创建的，也可以从OCT体积中分割GA，而无须经过视网膜分割步骤。

与DR和青光眼相比，有关AMD诊断的研究要少得多。并且，用于AMD诊断的数据集和图像数量远少于DR和青光眼的，这极大限制了人工智能在AMD方面的开发。