青光眼是一種全球普遍存在的眼病，尤其在老年人中更為常見。然而，由於缺乏早期症狀和醫院長時間的等待，患者往往對此疾病並不知情，導致他們錯過了治療青光眼的最佳時機。為了幫助保護人們的視力免受青光眼的影響，加快青光眼的診斷過程而不給醫療系統增加巨大壓力是非常必要的。為此，我們創建了OptiScan，一個通過分析視網膜圖像來檢測青光眼的人工智慧系統，可用於青光眼篩查。 OptiScan在Colab中進行訓練，使用Tensorflow和PyTorch作為數據集的庫。在一個預訓練的ResNet-50模型中，我們導入了一個包含2333幅圖像的數據集，這些圖像是青光眼患者和正常人的視網膜圖像。80%的數據集用於訓練，而其餘部分則用於驗證系統。經過驗證，獲得了88.2%的準確率。 通過使用OptiScan作為早期篩查測試，在進行耗時的眼部檢查之前發現潛在的青光眼患者，我們可以有效應對青光眼檢測的困難。首先，只要獲得視網膜圖像，我們的測試就能快速完成，因此有助於提高人們定期檢查眼睛狀況的意願。其次，由於OptiScan不需要專業人士來分析視網膜圖像，因此不受醫療資源短缺的影響，這意味著它可以隨時保持快速和高效的篩查。醫療資源可以優先分配給已被測試為青光眼患者的人，確保有限的醫療資源能根據人們的需求得到妥善分配，以便患者能夠儘快被診斷並接受治療。 OptiScan操作簡單、快速，結果易於閱讀且沒有複雜的術語，特別適合那些可能最初不願意接受眼部檢查以避免麻煩的老年人。 我們系統的未來潛力包括將其轉換為手機應用程序，以及輸入更多類型的數據集以訓練系統以應對更多眼病。在未來，當使用手機相機拍攝視網膜圖像變得更加普及時，OptiScan甚至可以在家中使用，進一步提高其可及性，使每個人都能方便地使用。