干货！⻘光眼估计和预测的深度学习模型

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

青光眼可对人眼的视力造成不可逆转的损害。青光眼通常通过视野敏感性来诊断。然而，测量视野敏感性是很费时和费力的。最近，光学相干断层扫描已被采用来测量视网膜层厚度以帮助诊断，因为青光眼会使视网膜层厚度的结构发生变化，而且获得视网膜层厚度的成本要低得多。网膜层厚度主要可以通过两种方式提供帮助。一种是利用视网膜层厚度的信息来估计视野敏感性，这样临床医生只需获得患者的视网膜层厚度，然后将其转换为视野敏感性即可进行诊断。另一种是通过利用过去的视野敏感性和视网膜层厚度来预测未来的视野敏感性，即预测视野敏感性随时间的发展。因为目前不知道视网膜层厚度和视野敏感性两者之间的关系的确切形式， 所以这两个计算任务作为两个数据挖掘任务执行。

在本文中，我们研究了一个新的问题，即两个数据挖掘任务的整合。动机是这两个数据挖掘任务都是将需要将信息从视网膜层厚度转换到视野敏感性，从而使一个任务中发现的知识对另一个任务有用。由于这两个任务不共享信息的转换方式，所以整合是不容易的。为了解决这个题，我们设计了一个与青光眼发展无关、与测量视野敏感性模式无关的计算模块，以促进跨任务的知识利用。通过在一个真实的数据上的实验，我们展示了新提出的方法优于目前最好的方法。

AI TIME 特别邀请香港理工大学电子计算学系研究助理教授——许林川，给大家带来分享：《青光眼估计和预测的深度学习模型》

许林川：

目前任职香港理工大学电子计算学系研究助理教授。他曾在2018年到2020年期间担任日本东京大学数理情报学系数理六研博士后研究员。他于2013获得北京邮电大学学士学位并于2018年获得香港理工大学博士学位。他在2015年至2016年期间访问了Philip S. Yu教授所在伊利诺伊大学芝加哥分校的实验室。许博士的研究兴趣包括数据挖掘，深度学习和生物医学信息学 。他在诸如TKDE和AJO等高影响力期刊以及KDD，ICML, NeurIPS, WWW, WSDM，IJCAI 和AAAI等顶级会议上发表了多篇论文。他作为一作获得了DSAA2017 年最佳学生会议论文奖。此外，许博士曾担任许多重要期刊和国际会议的审稿人例如TPAIMI, TKDD, KDD, CVPR, ICCV, IJCAI, 和AAAI。

01

青光眼背景知识 

• 世界第二大致盲疾病

• 其特点是视力逐渐受损，而且是不可逆的

• 失明是由于视网膜神经受损造成的

  <