二、发展过程

高度近视的传统检测主要依靠屈光度检测、眼轴测量和眼底彩照等人工检测方法。但人工检测和分析依赖眼科专家，耗时费力。在医疗资源相对匮乏的地区，眼科医生和医疗设备的短缺可能使患者错过最佳防治窗口期。基于眼底图像开展眼疾病诊断智能研究是目前研究的重要方向。临床上，对于常见的糖尿病视网膜病变、黄斑病变、青光眼等多种眼底疾病，眼底彩照由于无接触、无损伤、成本低、图像易于获得、易于处理等优点，被广泛应用于实际的疾病诊断之中。近年来，随着人工智能技术和深度学习算法的蓬勃发展，国内外许多学者将其应用于各类图像处理问题。利用眼底图像对高度近视分析诊断的方法同样层出不穷，这些方法借助计算机辅助技术自动分析视网膜眼底图像中各个区域的病灶变化，在没有资深眼科医生和专业验光仪器的情况下，也能够自动分析和诊断与高度近视相关的病变。

基于深度学习的人工智能算法可以用于高度近视的临床和研究，特别是因为视网膜眼底成像是一种方便、低成本和广泛可用的成像方法。临床上，深度学习算法可以广泛应用于配镜师、验光师或全科医生在初级保健环境中的筛查，特别是那些已经使用眼底照相机的人。在研究环境中，深度学习算法可用作基于人群的近视性黄斑变性和高度近视的自动分级工具，这些研究通常在没有屈光或近视性黄斑变性数据的情况下拍摄视网膜照片作为方案的一部分。