医学图像处理在临床调查和最近的医学研究。适当的基于图像的医学评估有助于早期分析或检测关键疾病，因为它具有很高的医学信息价值。在这项研究中，回顾了医学成像在眼病诊断中的应用计算智能。然而，使用传统的图像处理相当复杂。如今，各种机器学习并且开发了用于检测不同眼病的深度学习方法这有助于早期发现疾病。研究表明新兴国家或欠发达国家的眼疾更为严重，原因是医疗设施不足和熟练的卫生工作者。估计4500万世界各地的人都是盲人，可悲的是，这些病例中只有75%是盲人可治愈。此外，全球的医患比例约为1:10000。因此，创建一个筛选系统来识别这些疾病。眼科学在评估、诊断、，治疗眼病。此外，许多眼睛和视力问题表明没有明显的迹象。因此，人们往往没有意识到问题的存在。早期疾病的检测是一个首要问题，因为在领导之前很容易治愈到严重程度。这篇研究论文的重点是检测眼部疾病，如糖尿病视网膜病、糖尿病性黄斑水肿、青光眼、老年性黄斑变性、视网膜血管阻塞和视网膜脱离。作者探索了各种算法，成像方式和这方面的挑战。这项研究旨在提高人们的认识使用计算机视觉、图像处理和深度学习技巧。它还研究了这些机器学习和深度学习方法有助于早期疾病诊断，以便在之前进行有效治疗视力下降。
关键词： 老年性黄斑变性,白内障,深度学习,糖尿病性视网膜病变,青光眼,海德堡视网膜断层扫描,光学相干层析成像,超声波成像。
