在早期的角质中检测到局部角质生物力学变化,基于使用人工智能对角质变形的研究

科学领域:

• 眼科医生 眼科 眼科
• 生物机械工程 生物机械工程
• 人工智能的人工智能

背景情况:

• 早期诊断角是保持患者视力至关重要的.
• 当前的诊断方法可能无法完全捕捉微妙的,局部的角膜变化.

研究的目的:

• 开发一种基于机器学习的新方法,用于早期诊断角.
• 使用动态变形视频检测局部角膜生物机械变化.

主要方法:

• 利用Scheimpflug技术捕获了来自917名患者的动态角膜变形视频.
• 从角膜轮计算出14个新的像素级生物机械参数.
• 开发并验证了用于诊断的整体机器学习模型.

主要成果:

• 整体模型实现了高诊断性能:AUC=0.9997,精度=95.73%,回忆=95.61%,F1=95.50%在初级组.
• 外部验证显示了强大的性能:精度=91.38%,回忆=92.11%,F1=91.18%.
• 超过现有的临床诊断指数,具有统计学上显著的改善 (P <0.01).

结论:

• 通过机器学习分析的动态角膜变形视频可以有效地诊断早期角膜.
• 专注于局部生物力学变化有助于及时诊断.
• 这种方法可以帮助眼科医生,并有利于患者的视力保存.