使用前段OCT数据预测IOL分散,倾斜和轴位置
Achim Langenbucher1, Nóra Szentmáry2,3, Alan Cayless4
1Department of Experimental Ophthalmology, Saarland University, /Saar, 66424, Homburg, Germany. achim.langenbucher@uks.eu.
概括
使用人工智能模型预测眼内镜片 (IOL) 位置可以改善高级IOL的结果. 这些模型准确地估计了IOL倾斜和位置,有助于计算和减少视觉障碍.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 准确的眼内透镜 (IOL) 定位对于最佳视觉性能至关重要,特别是在优质的眼内透镜中.
- 眼镜的错位可以导致不良的视觉效应,如光学现象和图像扭曲.
研究的目的:
- 开发用于估计IOL分散,倾斜和轴性IOL赤道位置 (IOLEQ) 的预测模型.
- 为了这些预测,利用手术前的生物识别和断层扫描数据.
主要方法:
- 实施了浅前进神经网络和多线性回归模型.
- 使用了250名白内障患者的数据集,这些患者进行了手术前的IOLMaster 700和Casia2测量.
- 逐步线性回归确定了关键预测因素;模型在数据的子集上进行了训练和验证.
主要成果:
- 所有开发的模型都表现出良好的性能.
- 与IOL分散相比,IOL倾斜和IOLEQ的预测显示出更高的准确性.
- 置信区间表示预测范围为0.3mm的去中心化和IOLEQ,以及1.5°的倾斜.
结论:
- 人工智能和回归模型可以准确预测IOL位置参数.
- 这些模型可以通过结合"真实"的IOL位置来增强现代的IOL功率计算方案.
- 预测支持适当选择和植入高级IOL,最大限度地减少光学偏差.
关键词:
前段断层扫描仪前段断层扫描仪有效的内视眼镜位置.在Feedforward神经网络中,Feedforward是一个神经网络.几何IOL位置的几何位置.在IOL下,分散了IOL的集中.在IOL倾斜倾斜.多线性回归模型的模型.预测模型的预测模型.更多相关视频
06:15Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia
Published on: August 9, 2024
1.2K
10:10Ultrahigh Resolution Mouse Optical Coherence Tomography to Aid Intraocular Injection in Retinal Gene Therapy Research
Published on: November 2, 2018
9.3K