摘要

青光眼是一种在早期阶段无明显症状的眼部疾病，若诊断滞后，将导致视网膜神经节细胞不可逆性退化。目前，标准自动视野检查（Standard Automated Perimetry, SAP）仍是评估青光眼的金标准，但该检查具有较强的主观性，受试者在不同测试中的反应存在波动，显著影响结果的解读。在本研究中，我们提出一种新方法，旨在通过消除现有视野评估中的认知因素，实现青光眼患者的快速床旁诊断。与以往主要关注黄斑区目标检测准确率的方法不同，我们采用多任务学习架构，能够同步捕捉黄斑区及周边视野区域的视觉信号，生成可视化反应图谱。此外，我们设计了一种高效的并行多任务学习模块，可同时学习多个相关任务。我们在一个包含40个类别的数据集上对模型分类性能进行了评估，取得了92%的准确率和95%的F1分数。该模型可在无需校准且用户无关的场景下稳定运行，这一特性使其在临床诊断中具有重要应用价值。本研究提出的方案有望为青光眼患者视野功能的客观评估提供重要技术支撑。