14、基于FunNet深度学习网络的年龄相关性黄斑变性检测

基于FunNet深度学习网络的年龄相关性黄斑变性检测

1. 引言

视觉让我们了解周围环境，约80%的信息通过视觉获取。黄斑是视网膜中央区域的薄椭圆形结构，提供中央和高分辨率彩色视觉。黄斑受损会导致视力障碍，即黄斑变性，常见于老年人。新研究表明，全球8.7%的人口患有年龄相关性黄斑变性（AMD），2020年约1.96亿人患病，预计2040年将增至2.88亿人。

AMD分为湿性AMD（WAMD）和干性AMD（DAMD）。DAMD是AMD的初级阶段，相对较轻，85% - 90%的AMD属于干性。DAMD的主要原因是黄斑组织变薄、色素沉积或两者兼有，诊断方法是在眼底图像中发现黄斑及其周围的黄色斑点（玻璃膜疣）。WAMD则是由于视网膜下异常血管生长导致出血，造成视网膜细胞感光部分永久性损伤，形成中央盲点。目前AMD尚无根治方法，可通过健康饮食和锻炼控制，因此早期检测至关重要，可通过分析视网膜中玻璃膜疣的大小和数量来判断病情严重程度。

手动检测AMD可通过识别眼底图像中的玻璃膜疣，但机器难以像人类一样轻松识别，需要更多参数区分AMD图像和正常图像，如大小、形状、颜色、纹理等。传统方法如边缘检测和形态学操作，因玻璃膜疣形状不明确，对眼底照片检测AMD效果不佳。

人工智能（AI）和深度学习（DL）技术是热门研究领域。AI将人类智能应用于计算机程序以实现特定目标，机器学习（ML）是AI的一部分，DL是ML的子集。医疗领域倾向于使用DL技术，因为它能处理大量数据，提供准确结果。DL受人类大脑启发，通过神经网络中的神经元传递信息，包括输入层、隐藏层和输出层（全连接层，FCLs）。通常，每个层对图像进行卷积操作，形成卷积神经网络（CNN），每层产生不同特征，机器可发现对应类别的特定模