四、其他应用

早产儿视网膜病变（ROP）的深度学习模型主要是通过眼底图像进行自动诊断的。Brown等研发了通过眼底图像识别附加病变的深度学习系统i-ROP，其诊断附加病变的敏感性达93%，特异性达94%。随着进一步研发，深度学习系统i-ROP还可以对ROP进行严重程度评分，在监测疾病进展、治疗效果和预后方面应用前景可观。病理性近视是一种常见的可导致视力丧失的疾病。一项研究引入了病变感知分割网络（LSN）来执行与病理性近视相关的视网膜萎缩和脱离分割。该架构是一个类似U-Net的编码器－解码器网络，设计者在鞍层添加了一个分类分支来预测病变的存在，解码器中使用了特征融合模块，该模块被设计为多尺度网络。为了进一步提高对病变边缘的敏感性，添加了一个名为边缘重叠率（EOR）的损失函数。

Nagasato等应用超宽视野眼底图像CNN训练DL模型，对237张视网膜分支静脉阻塞（BRVO）和176张非BRVO健康眼眼底图像进行训练识别，参数上均优于SVM训练的ML模型，可较准确地鉴别健康眼和BRVO眼。

不同眼科疾病的诊断可能会相互影响。例如，对于同时患有青光眼和白内障的患者，由于白内障引起的生物标志物不明确，因而可能难以诊断。因此，多种疾病的诊断可能是解决这一问题的途径。而且，同时诊断多种疾病不论对医生还是患者都是一种便利。多种疾病的诊断可分为DR和DME同时诊断，DR、青光眼和AMD同时诊断，使用配对CFPs诊断8种疾病，36种疾病诊断和罕见病状检测。