МЕСТО IT-ТЕХНОЛОГИЙ В СОВРЕМЕННОЙ ДИАГНОСТИКЕ ГЛАУКОМЫ
Аннотация
Актуальность: проблема прогнозирования пограничного состояния между здоровьем и болезнью,
а также определения минимальных характеристик прогрессирования заболевания у лиц с первичной
открытоугольной глаукомой остаются приоритетными для мировой глаукоматологии с учетом наблюда-
ющийся тренд увеличения заболеваемости глаукомой во всем мире.
Библиографические ссылки
Егоров Е. А., Астахов Ю. С., Еричев В. П. Национальное руководство по глаукоме для практикующих врачей. М.: ГЭОТАР-Медиа, 2015:456 [Egorov E. A., Astahov Yu.S., Erichev V. P. National glaucoma guideline for practitioners. Moscow: GEOTAR-Media; 2015:456 (In Russ).]
Weinreb R. N., Garway- Heath T., Leung C., Medeiros F. A., Leibmann J. Diagnosis of primaryopen glaucoma. WGA Consensus Series 10.
Amsterdam: Kugler Publications; 2017.
Oliveira DAB, Vellasco MBR, Oliveira MB, Yamane R. Application of neural networks in aid for diagnosis for patients with glaucoma. Int Conf Bio-inspired Sys Sign Proc. 2009;1(1);139–145. https://doi.org/10.5220/0001547401390145
Bizios D., Heijl A., Hougaard J. L., Bengtsson B. Machine learning classifiers for glaucoma diagnosis based on classification of retinal nerve fibre layer thickness parameters measured by Stratus OCT. Acta Ophthalmol. https://doi.org/2010:88:44–52. 10.1111/j.1755–3768.2009.01784.x.
Karthikeyan S., Rengarajan N. A thorough investigation on automated diagnosis of glaucoma. Int J Adv Res Comp Sci. 2012;3(4):294–302.
Vidotti V. G., Costa V. P., Silva F. R. et al.Sensitivity and specificity of machine learning classifiers for glaucoma diagnosis using Spectral Domain OCT and standard automated perimetry. Arq Bras Oftalmol. 2013;76(3):170–4. https://doi.org/10.1590/s0004–27492013000300008.
Thompson A. C., Jammal A. A., Medeiros F. A. A deep learning algorithm to quantify neuroretinal rim loss from optic disc photographs. Am J Ophthalmol. 2019;201:9–18. https://doi.org/10.1016/j.ajo.2019.01.011.
Medeiros F. A., Jammal A. A., Thompson A. C. From machine to machine: an OCT-trained deep learning algorithm for objective quantification of glaucomatous damage in fundus photographs. Ophthalmology. 2018;126(4):513–21. https://doi.org/10.1016/j.ophtha.2018.12.033
