青光眼是一种全球普遍存在的眼病，尤其在老年人中更为常见。然而，由于缺乏早期症状和医院长时间的等待，患者往往对此疾病并不知情，导致他们错过了治疗青光眼的最佳时机。为了帮助保护人们的视力免受青光眼的影响，加快青光眼的诊断过程而不给医疗系统增加巨大压力是非常必要的。为此，我们创建了OptiScan，一个通过分析视网膜图像来检测青光眼的人工智慧系统，可用于青光眼筛查。 OptiScan在Colab中进行训练，使用Tensorflow和PyTorch作为数据集的库。在一个预训练的ResNet-50模型中，我们导入了一个包含2333幅图像的数据集，这些图像是青光眼患者和正常人的视网膜图像。80%的数据集用于训练，而其余部分则用于验证系统。经过验证，获得了88.2%的准确率。 通过使用OptiScan作为早期筛查测试，在进行耗时的眼部检查之前发现潜在的青光眼患者，我们可以有效应对青光眼检测的困难。首先，只要获得视网膜图像，我们的测试就能快速完成，因此有助于提高人们定期检查眼睛状况的意愿。其次，由于OptiScan不需要专业人士来分析视网膜图像，因此不受医疗资源短缺的影响，这意味着它可以随时保持快速和高效的筛查。医疗资源可以优先分配给已被测试为青光眼患者的人，确保有限的医疗资源能根据人们的需求得到妥善分配，以便患者能够尽快被诊断并接受治疗。 OptiScan操作简单、快速，结果易于阅读且没有复杂的术语，特别适合那些可能最初不愿意接受眼部检查以避免麻烦的老年人。 我们系统的未来潜力包括将其转换为手机应用程序，以及输入更多类型的数据集以训练系统以应对更多眼病。在未来，当使用手机相机拍摄视网膜图像变得更加普及时，OptiScan甚至可以在家中使用，进一步提高其可及性，使每个人都能方便地使用。