边肖发现很多朋友对通过深度学习和优秀的图像分析来改善视力保健的信息很感兴趣。边肖通过优秀的图像分析整理了一些深度学习和改善视力保健的相关信息，在此分享。

对于检测和跟踪视觉疾病的任务，例如青光眼和与年龄相关的黄斑，已经证明眼睛扫描的深度学习分析优于相同图像的常规分析。

这项研究是在澳大利亚昆士兰科技大学进行的，发表于《自然科学报告》。

大卫阿隆索-卡内罗博士和他的同事尝试了几种人工智能技术来分析光学相干断层扫描(OCT)获得的图像，眼科医生使用光学相干断层扫描来观察视网膜和脉络膜中的超细组织层。

后者是他们关注的主要领域，因为它包含向眼睛提供氧气的血管。

通过对101名视力良好的健康儿童进行OCT扫描，对所有算法进行组织模式和边界训练。

将每种算法的性能与标准图像分析方法进行了比较。

他们发现深度学习可以更好地识别所有的界限。

作者指出，大多数商用OCT仪器不提供自动脉络膜分割方法，并指出他们在工作中成功地使用了深度学习，“证明了这些技术的潜力以及与标准图像分析方法相比的优势(优越的性能)。”

他们补充说，实验性AI方法“可能会对涉及OCT脉络膜分割的临床和研究任务产生积极影响”，该方法用于跟踪与正常眼睛发育、衰老、屈光不正和眼部疾病相关的眼组织变化。