使用基于超声波生物显微镜图像中的不同特征的随机森林网络,在植入可植入拼接镜头植入后预测
Bin Fang1, Qiu-Jian Zhu2, Hui Yang1
1School of Mechanical and Electrical Engineering, Soochow University, Suzhou 215100, Jiangsu Province, China.
International journal of ophthalmology
|October 19, 2023
概括
这项研究使用了超声波生物显微镜 (UBM) 图像和随机森林网络来预测植入可插合镜片 (ICL) 植入后的顶高度. 状之间的距离被确定为ICL vault.最重要的预测指标.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 准确地预测顶,即可植入结合镜片 (ICL) 和自然镜片之间的空间,对于成功的ICL植入至关重要.
- 传统方法可能无法完全捕捉影响ICL宝库的复杂解剖因素.
- 超声波生物显微镜 (UBM) 提供详细的前段成像.
研究的目的:
- 使用超声波生物显微镜 (UBM) 图像和随机森林网络开发ICL地的预测模型.
- 从UBM图像中识别与术后顶高度相关的新解剖特征.
- 为优化ICL尺寸选择提供数据驱动的参考.
主要方法:
- 从接受ICL植入的患者收集了450张UBM图像.
- 提取的纤毛形状参数,包括角度,面积和距离测量,作为输入特征.
- 采用一个随机森林回归模型与优化参数 (n_estimators=2000,max_depth=17) 预测顶高度.
主要成果:
- 纤毛之间的距离成为最重要的预测因素,占优化后特征重要性约53%.
- 其他参数,如角度3和面积1也为预测准确性做出了贡献.
- 优化的模型实现了0.4456的预测R值,预测的平均度为763.688微米,而实际平均值为776.9304微米.
结论:
- 应用在UBM图像上的随机森林网络可以有效地预测ICL植入后的金库高度.
- 纤毛之间的距离是ICL顶的关键决定因素.
- 这种方法为改善ICL大小选择和手术结果提供了有价值的见解.
