目录

眼底病人工智能研究

作者：.万程，钱湧，杨卫华主编

《眼底病人工智能研究》编委会
目录
第一章　常见眼底病和影像检查
第一节　概　述
第二节　常见眼底疾病
一、年龄相关性黄斑变性
二、脉络膜新生血管
三、视网膜色素上皮层脱离
四、特发性息肉样脉络膜血管病变
五、中心性浆液性脉络膜视网膜病变
六、高度近视性黄斑病变
七、黄斑裂孔
八、黄斑视网膜前膜
第三节　视网膜血管病
一、视网膜动脉阻塞
二、视网膜静脉阻塞
三、高血压性视网膜病变
四、糖尿病视网膜病变
第四节　视网膜变性及营养不良
一、视锥细胞营养不良
二、Stargardt病
三、急性视网膜坏死综合征
第五节　先天性和小儿视网膜病
一、早产儿视网膜病变
二、家族性渗出性玻璃体视网膜病变
三、Coats病
四、脉络膜缺损
第六节　孔源性视网膜脱离
第二章　眼底病人工智能概况
第一节　人工智能
一、人工智能
二、机器学习
三、深度学习
四、卷积神经网络
第二节　人工智能和眼底病
第三节数据和算法
一、数据和数据集
二、算法
第四节　人工智能在眼底病中的应用实例
一、糖尿病视网膜病变
二、青光眼
三、年龄相关性黄斑变性
四、其他应用
第五节　临床和技术挑战
一、高质量标注数据集缺乏
二、图像数据集和评价指标存在较大差异
三、结果可解释性不足
第三章　眼底图像人工智能算法框架
第一节　基于眼底彩照的人工智能算法研究的发展历史
一、眼底图像质量分析算法发展历史
二、眼底疾病诊断算法发展历史
三、眼底图像分割算法发展历史
　
第二节　眼底图像人工智能算法重要组成部分
一、眼底图像质量分析的主要组成
二、眼底疾病诊断的组成
三、眼底图像分割算法的主要组成
第三节　眼底图像人工智能算法系统框架
一、眼底图像人工智能算法系统总体框架
二、眼底图像质量分析的系统框架
三、眼底疾病诊断的系统框架
四、眼底图像分割的系统框架
第四章　眼底图像质量分析
第一节　眼底图像质量评估
一、眼底图像质量评估的意义
二、眼底图像质量评估的研究现状及趋势
三、眼底图像质量评估分类模型的介绍
第二节　基于人类视觉系统的眼底图像质量评估算法
一、引言
二、方法框架
三、实验设计与结果分析
第三节　FA-Net眼底图像质量评估算法
一、引言
二、算法流程
三、实验设计与结果分析
第四节　传统的低质量眼底图像增强算法
一、基于直方图的算法
二、基于Retinex的算法
第五节　基于深度学习的低质量图像增强算法
一、引言
二、方法框架
三、实验结果分析
四、增强结果在DR分类中的应用
第五章　眼底病的人工智能研究
第一节　基于眼底彩照的智能诊断技术概况
一、发展历史
二、眼底疾病智能诊断技术的主要步骤和流程
三、眼底疾病智能诊断技术的主要挑战和前景
第二节　糖尿病视网膜病变的人工智能研究
一、概述
二、发展过程
三、糖尿病视网膜病变人工智能的应用研究
四、存在的问题及展望
第三节　高度近视眼底病变的人工智能研究
一、概述
二、发展过程
三、高度近视的人工智能应用研究
四、存在的问题及展望
第四节　其他常见眼底病的人工智能研究
一、青光眼
二、白内障
三、黄斑病变
第六章　眼底图像分割
第一节　眼底图像分割的发展现状
一、概述
二、基于人工智能算法的眼底图像分割方法
第二节　视网膜血管分割
一、概述
二、基于人工智能算法的视网膜血管分割方法实例
第三节　糖尿病视网膜病变病灶分割
一、概述
二、基于人工智能算法的糖尿病视网膜病变病灶分割方法实例
第四节　视盘定位与分割
一、概述
二、基于人工智能的视盘定位方法实例
三、基于人工智能的视盘和视杯分割方法实例
第五节　视网膜静脉阻塞出血点分割
一、概述
二、基于人工智能的视网膜静脉阻塞出血点分割方法实例
第六节　近视弧分割
一、概述
二、基于人工智能的近视弧分割方法实例
第七章　基于眼底彩照的人工智能诊断云平台
第一节　人工智能诊断平台的组成
一、诊断平台流程
二、AI算法模块流程
三、结果展示平台框架
第二节　AI算法模块整体框架
一、Flask框架介绍
二、HTTP解析模块
三、图片下载模块
四、算法预测模块
第三节　质量评估
一、使用分类网络进行质量评估
二、使用目标检测技术进行质量评估
三、质量评估总结
第四节　多病种诊断
一、眼底多病种分类网络
二、眼底多病种分类模型训练
三、眼底多病种分类模型评估
第五节　多病种诊断结果展示
第八章　眼底病人工智能应用现状和展望
第一节　糖尿病眼底病人工智能应用现状和展望
一、糖尿病眼底病管理面临的问题与挑战
二、糖尿病眼底病人工智能应用现状
三、糖尿病眼底病人工智能应用的前景和展望
第二节　年龄相关性黄斑变性人工智能应用现状和展望
一、年龄相关性黄斑变性管理面临的问题与挑战
二、年龄相关性黄斑变性人工智能应用现状
三、年龄相关性黄斑变性人工智能应用的前景和展望
第三节　高度近视人工智能应用现状和展望
一、高度近视管理面临的问题与挑战
二、高度近视人工智能应用现状
三、高度近视人工智能应用的前景和展望
第四节　眼底病人工智能展望
参考文献

首页> 图书频道> 医药> 基础医学

FA-Net眼底图像质量评估算法

2026年01月16日

版权

第三节　FA-Net眼底图像质量评估算法

(https://www.daowen.com)