简介：摘要当前国内外对人工智能技术（artificial intelligence，AI）在眼病筛查和临床诊疗中的应用十分重视。近年来，此项技术也广泛应用于我国各基层眼健康筛查场景中，有效改善基层医疗机构眼病诊断能力薄弱、人力资源紧缺的现状。但目前融合此项技术开展的视觉健康管理工作的管理模式、实施内容、管理方法等方面仍无可参考的适宜性规范或指南，亟待标准化。本文对上海市AI技术辅助的基层视觉健康管理工作模式探索情况进行介绍，分享实践经验，旨在为国内其他省市开展相关工作提供参考。

简介：摘要目的评估基于计算机视觉技术开发的眼底图像质量评估系统的准确性。方法选取2016至2017年在“上海糖尿病眼病研究”中由上海市各社区卫生服务中心的工作人员采用免散瞳眼底照相机拍摄的787例2型糖尿病患者的2 397幅彩色眼底像图片作为测试数据集。患者年龄（69.65±19.09）岁，男性384例，女性403例。根据眼底图像预处理、成像质量评价、内容检测和评估结果输出4个模块开发眼底图像质量评估系统。将2 397幅彩色眼底像图片输入该系统自动进行图像质量评价和视盘、黄斑识别，并根据图像质量判断规则对图像进行合格与否的判断并分类。同时由12位专业眼底图片阅片医师对此数据集的图像质量进行人工分类，其中合格1 846幅，不合格551幅。将系统判断结果与人工判断结果进行比对分析。结果眼底图像质量评估系统可对输入的彩色眼底像图片自动进行眼别和眼位识别，并进行图像质量评估，之后直观输出评估结果。每幅眼底图像评估时间<1 s。1 846幅人工判断为图像质量合格的图片，经系统判断亦为合格者1 788幅（96.86%）；551幅人工判断为不合格的图片经系统判断结果亦为不合格者550幅（99.82%）。图像质量不合格原因为图像过暗（62幅，11.27%）、图像过亮（51幅，9.27%）、黄斑区不清晰（59幅，10.73%）、黄斑视盘未见（36幅，6.54%）、未见眼底结构（125幅，22.73%）、图像模糊（175幅，31.82%）、图像有遮挡（42幅，7.64%）。系统评估与人工判断结果总体一致率为97.54%。结论该眼底图像质量评估系统对眼底图像质量的评估结果与专业阅片医师判断结果一致性高，具有客观性。（中华眼科杂志，2020，56：920-927）