在患有与年龄相关的白内障的患者中,使用基于黄斑光学连贯断层扫描的深度学习方法预测术后视力敏度

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 与年龄相关的白内障是导致视力受损的主要原因.
• 预测术后视力敏度 (VA) 对于管理患者期望和优化手术结果至关重要.
• 当前的预测方法可能无法充分利用详细的斑点信息.

研究的目的:

• 开发和验证一个深度学习模型,用于预测在接受白内障手术的患者手术后的VA.
• 评估使用黄斑光学连贯断层扫描 (OCT) 数据与临床信息相结合的疗效.

主要方法:

• 分析了2,051个与年龄相关的白内障眼睛的数据集.
• 采集了手术前的OCT图像和最佳校正视敏度 (BCVA).
• 训练并评估了五种深度学习模型,用于预测手术后的BCVA,使用MAE,RMSE,精度,灵敏度,准确度,F1和AUC等指标.

主要成果:

• 模型V,包括手术前的OCT扫描 (水平和垂直B扫描),黄斑形态特征和BCVA,显示出优异的预测性能.
• 模型V在预测精确的术后BCVA时实现了最低的平均绝对误差 (MAE) 和根平均平方误差 (RMSE).
• 记录了高精度,灵敏度,准确度,F1得分和曲线下面积 (AUC),表明了强大的预测能力.

结论:

• 开发的深度学习模型有效地预测白内障患者的术后VA.
• 手术前的OCT成像和黄斑形态指数是准确预测VA的非常重要的因素.
• 这种方法为增强白内障手术中手术前咨询和手术规划提供了有价值的工具.