【医学+深度论文：F02】Glaucoma diagnosis based on both hidden features and domain knowledge through deep

2018 Glaucoma diagnosis based on both hidden features and domain knowledge through deep learning models

研究了如何利用深度学习模型将domain knowledge feature（青光眼诊断的重要指标和图像中包含大量信息的重要区域）与眼底图像相结合，实现青光眼的自动诊断。（不仅用深度学习分析了眼底图片，还结合了一些non-image 的features 比如年龄等）
提出了 MB-NN （multi-brance neural network model）
文章比较侧重计算机，大部分在讲网络
五个数据集 2000/1000/2000/134/2554 . Tongren hospital

Methods

Open-angle glaucoma

• (开角型青光眼)是最常见的一种青光眼，发展缓慢，没有疼痛，在病情恶化前很难发现。
• 该病有眼压高、视神经损伤、杯盘比大、视力下降等常见症状

传统计算机视觉

• 方法一：手工设计了基于能量的特征、局部结构模式(LCP)特征和高阶谱(HOS)特征等。然后根据这些特征建立分类器进行诊断。
• 方法二：手工设计的特征用于分割青光眼相关组织，如视盘和视杯；基于分割程序提取杯盘比等医学指标来进行诊断

Deep learning models
（have the advantages to capture complicated hidden patterns from highdimensional data ）

• 方法一：以整个视网膜图像为输入，完全依赖卷积神经网络(CNN)等深度学习模型从图像中提取特征用于青光眼诊断

  • 只从数据中提取特征，依赖于大数据集，忽略了医学domain