Multimodal imaging is able to image the retina in unprecedented detail, and the joint analysis (integration) of these data not only enables the securing of diagnoses, but also a more precise definition; however, humans encounter temporal and cognitive limitations in the analysis of this amount of information, so that the potential of a joint examination of the findings is largely unused to date. Automatic image processing and methods, which are summarized under the collective term of artificial intelligence (AI), are able to overcome the bottleneck in the evaluation and to exploit the full potential of the available data. A basic understanding of AI methods and the ability to implement them will become increasingly more important for ophthalmologists in the future. In this article we give an insight into the functionality of AI methods and the current state of research in the field of automatic image analysis.
Multimodale Bildgebung kann die Netzhaut in bisher unerreichtem Detail abbilden, und die gemeinsame Analyse (Integration) dieser Daten ermöglicht nicht nur die Sicherung von Diagnosen, sondern auch deren Präzisierung. Menschen stoßen jedoch bei der Analyse dieser Informationsmenge an zeitliche und kognitive Grenzen, sodass das Potenzial einer gemeinsamen Betrachtung der Befunde bisher weitgehend ungenutzt ist. Automatische Bildverarbeitung und Methoden, die unter dem Sammelbegriff der künstlichen Intelligenz (KI) zusammengefasst werden, sind in der Lage den Flaschenhals bei der Auswertung zu überwinden und das volle Potenzial der vorliegenden Daten auszuschöpfen. Ein grundlegendes Verständnis von KI-Methoden und die Fähigkeit, diese einzusetzen, werden für Ophthalmologen in Zukunft entsprechend immer wichtiger werden. In diesem Beitrag geben wir einen Einblick in die Funktionsweise von KI-Methoden und den aktuellen Stand der Forschung im Bereich der automatischen Bildauswertung.
Keywords: Automatic image analysis; Automatic image processing; Machine learning; Ophthalmology; Retina.