基于后传神经网络的SMILE手术切割配方的预测
Dong-Qing Yuan1, Fu-Nan Tang2, Chun-Hua Yang2
1Department of Ophthalmology, Jiangsu Province Hospital (the First Affiliated Hospital with Nanjing Medical University), Nanjing 210029, Jiangsu Province, China.
International journal of ophthalmology
|September 19, 2023
概括
这项研究开发了一个使用背向传播 (BP) 神经网络的深度学习程序,以准确预测小切割镜片提取 (SMILE) 手术参数. 该工具有助于临床医生确定适合SMILE手术的候选人.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 小切口镜片提取 (SMILE) 是一种折射性手术程序.
- 准确预测手术参数对于成功的SMILE结果至关重要.
- 确定适合SMILE手术的候选人需要对患者数据进行精确的分析.
研究的目的:
- 使用深度学习开发SMILE手术的预测模型.
- 帮助临床医生识别适合SMILE手术的候选人.
- 为了提高晶状体厚度和残留树皮厚度计算的准确性.
主要方法:
- 一个反向传播 (BP) 神经网络被用来创建一个预测程序.
- 13,188个数据点被用于培训和验证.
- 来自425名患者的840个眼睛样本用于反向验证.
主要成果:
- 在预测SMILE切割公式方面,BP神经网络模型取得了很高的准确性.
- 平均平方误差和梯度值分别为0.248和4.23.
- 该模型显示回归系数为0.99994,误差精度为-0.003791±0.4221102微米.
结论:
- 该BP神经网络程序准确地计算了微笑手术的晶状体厚度和残留树皮厚度.
- 该计划整合了角膜参数和折射数据,用于智能候选人识别.
- 该工具为临床医生提供了一种方便的方法来评估SMILE手术的适用性.
