基于机器学习模型的后腔 phakic 眼内透镜的术后折射误差预测上 vault 的影响
Yinjie Jiang1, Yang Shen, Lin Wang
1From the Eye and ENT Hospital, Fudan University, Shanghai, China (Jiang, Shen, X. Chen, Tang, Liu, Zhou, X. Wang); National Health Commission Key Lab of Myopia, Fudan University, Shanghai, China (Jiang, Shen, X. Chen, Tang, Liu, Zhou, X. Wang); Shanghai Research Center of Ophthalmology and Optometry, Shanghai, China (Jiang, Shen, X. Chen, Tang, Liu, Zhou, X. Wang); Beijing Airdoc Technology Co., Ltd., Beijing, China (L. Wang, Ma, Ju, Y. Chen, Ge); Monash Medical AI Group, Monash University, Clayton, Australia (L. Wang, Ju, Ge).
人工智能准确地预测了植入式眼镜 (ICL) 手术后的折射误差. 控制ICL顶在理想范围内,可以最大限度地减少折射惊喜,并改善结果.
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:
- 术后折射误差的准确预测对于成功的植入式眼镜 (ICL) 手术至关重要.
- 现有的方法可能无法完全考虑个体生物识别差异和镜头.
- 先进的计算模型为改善折射可预测性提供了潜力.
研究的目的:
- 开发和验证基于人工智能 (AI) 的模型,用于预测ICL植入后的折射结果.
- 评估圆顶和其他眼睛参数对折射可预测性的影响.
- 将人工智能模型的性能与传统方法进行比较.
主要方法:
- 对2845个眼睛进行了回顾性分析,这些眼睛接受了球形或形ICL植入.
- 开发一种随机森林AI模型,结合眼睛参数来预测术后折射误差.
- 预测的金库和修改的Holladay公式的影响分析.
- 对于理想 (0.250.75毫米) 和极端 (<0.25毫米或>0.75毫米) 圆顶的子组分析.
主要成果:
- 与在线计算和订单系统 (P < .001) 相比,基于人工智能的模型显著提高了折射预测的准确性.
- 对于球形ICL,修改后的Holladay公式显示了理想顶的最高准确度 (R=0.606).
- 对于极端的顶,预测的顶在球形ICL中提高了准确性 (R=0.864).
- 预测的金库和修改的霍拉代公式的组合是所有金库范围内的托里克ICL的最佳选择.
结论:
- 整合形和眼膜参数的AI模型表明ICLs的优异折射预测.
- 达到理想的射范围 (0.250.75毫米) 是避免折射惊喜的关键.
- 这种AI方法提高了ICL手术中的折射可预测性.
更多相关视频
05:19Author Spotlight: Unraveling the Molecular Mechanisms in PCO and Fibrosis Following Cataract Surgery
Published on: December 1, 2023
05:46Author Spotlight: Advancements in Refractive Surgical Correction for Presbyopia and Exploring Postoperative Visual Acuity
Published on: September 20, 2024