相关实验视频
Updated: Jul 15, 2025

05:36
Subjective Refraction Test Using a Smartphone for Vision Screening
Published on: October 18, 2024
836
预测折射误差及其进展:基于机器学习的算法
Maria J Barraza-Bernal1, Arne Ohlendorf2, Pablo Sanz Diez3
1Technology and Innovation, Carl Zeiss Vision GmbH, Aalen, Germany maria-jose.barraza-bernal@zeiss.com.
BMJ open ophthalmology
|October 4, 2023
概括
一个新的机器学习算法准确地预测了儿童近视的发病和进展. 该工具帮助眼科专业人员制定个性化的近视管理策略,这对于解决这种折射误差日益增长的患病率至关重要.
科学领域:
- 眼科和计算科学.
背景情况:
- 近视的患病率在年轻的东南亚人中最高,预计将增加.
- 有效的近视管理依赖于对发病和进展的准确风险评估.
- 目前的风险评估方法需要改进,以实现个性化治疗策略.
研究的目的:
- 开发和验证用于儿童近视风险评估的机器学习算法.
- 为预测折射误差发展提供一个可访问的工具.
主要方法:
- 利用来自中国的基于人口的截面 (12,780名儿童) 和纵向 (226名儿童) 数据.
- 集成的年龄,性别,生物识别和折射参数.
- 开发了一个预测模型,使用支向量回归和高斯过程回归的组合.
主要成果:
- 性能最好的算法在预测和测量的折射数据之间实现了0.77的皮尔森相关系数.
- 该模型显示低偏差为-0.05 D.
- 协议的极限为0.85 D (95% CI: -0.91 至 0.80 D).
结论:
- 开发的算法使用可访问的输入提供了可靠的折射发展估计.
- 该工具可以指导眼科专业人员为个别患者量身定制近视管理策略.
- 这些发现支持在个性化眼科护理中使用机器学习.

