在使用人工神经网络进行角膜环植入后,眼病患者的眼病预后

科学领域:

• 眼科医生 眼科 眼科
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 角膜 (KC) 是一种渐进的角膜疾病,导致角膜变薄和.
• 角膜环植入是一种有效的KC视力校正手术治疗方法.
• 确定最佳的外科候选人对于成功的结果至关重要.

研究的目的:

• 预测外科手术后的角膜地形指数和视觉特征在KC患者.
• 开发一种人工神经网络 (ANN) 模型,用于在手术后6个月和12个月预测眼部特征.
• 为了帮助眼科医生在患者选择和角膜环植入的手术规划.

主要方法:

• 利用人工神经网络的方法进行预测.
• 在手术前后数据上训练模型,包括角膜地形图和视觉特征 (UCVA,SPH,Ast,Axe,BCVA).
• 在数据集中包括角膜地形指数 (Ast,K读数,心力测量) 并使用交叉验证 (LOOCV) 进行验证.

主要成果:

• 角膜地形指数和视觉特征估计平均误差分别为7.29%和8.60%.
• LOOCV导致视觉特征的预测误差为6.82%,角膜地形指数的预测误差为7.65%.
• 证明了ANN在估计植入后眼部特征方面的有效性.

结论:

• 人工神经网络显示出在指导眼科医生决策方面的巨大潜力.
• 这项研究强调了ANN能够预测形患者手术后结果的能力.
• 这种预测能力可以提高选择合适的手术候选人和角膜内环类型的选择.