导读用于检测糖尿病性视网膜病和年龄相关性黄斑变性。该算法的迭代方法比非迭代方法识别出更大的病变，并且将特异性提高了约10%，诊断准确性约
用于检测糖尿病性视网膜病和年龄相关性黄斑变性。该算法的迭代方法比非迭代方法识别出更大的病变，并且将特异性提高了约10%，诊断准确性约为80%。该算法对图像进行注释，以描述发现的病变，帮助指导医师做出决策。
已经开发了机器学习系统，以帮助发现各种癌症，检测眼部病变并设计生物分子。然而，医生对此的主要批评是它们充当黑匣子，得出结论而没有解释如何做。当需要某些细微的特征和观察结果以得出有力的医学结论时，解释特别重要。为了解决这个问题，Radboud的研究人员开发了一种新方法，可以识别眼睛中的病变并形成更全面的视网膜疾病注释。
该算法的工作原理如下：拍摄眼底的眼底照片。该算法对图像进行处理以建议是否应将案件转介给专家。然后，该算法识别出与视网膜病变有关的病变，并用一种称为选择性修补的技术填充这些病变，以模仿健康的视网膜组织。修改后的图像再次输入到算法中，对算法进行重新评分，识别其发现的其他病变，并重复识别和修复过程，直到视网膜图像被评为健康为止。
通过这种方式，可以在进一步的迭代中识别出在第一次迭代中可能未发现的更中等或更小的病变，从而为医生提供了更全面的可疑眼部病变图片。该技术是软件，一旦完善并获得监管机构的批准，应易于广泛使用。