Jove
Visualize
联系我们

相关实验视频

Updated: Jul 9, 2025

Evaluating Regional Pulmonary Deposition using Patient-Specific 3D Printed Lung Models
07:56

Evaluating Regional Pulmonary Deposition using Patient-Specific 3D Printed Lung Models

Published on: November 11, 2020

4.3K

使用机器学习的患者特异性气泡诱导负载.

Nada A Desouky1, Mahmoud M Saafan2, Mohamed H Mansour1

  • 1Mechanical Power Engineering Department, Faculty of Engineering, Mansoura University, Mansoura, Egypt.

Frontiers in bioengineering and biotechnology
|November 29, 2023
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

SLIC-Former: a superpixel-guided transformer framework for automatic liver segmentation in CT images.

Scientific reports·2026
Same author

Reduced order modelling of air-puff test for corneal material characterisation.

Journal of microscopy·2026
Same author

Dynamic quality aware path planning for 6 DoF robotic arms using BiRRT and metaheuristic optimization based on B spline paths.

Scientific reports·2026
Same author

Cross-dataset late fusion of Camera-LiDAR and radar models for object detection.

Scientific reports·2026
Same author

Advancements in accident-aware traffic management: a comprehensive review of V2X-based route optimization.

Scientific reports·2025
Same author

Intelligent fault tolerance control using long short-term memory for efficient system performance under fault conditions.

Scientific reports·2025
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

本研究引入了一种机器学习算法,用于准确预测眼内压力 (IOP) 测量的气泡压力分布. 该方法显著减少了计算时间,提高了角膜疾病的诊断准确度.

科学领域:

  • 眼科医生 眼科 眼科
  • 生物医学工程 生物医学工程
  • 计算流体动力学的流体动力学.
  • 机器学习 机器学习

背景情况:

  • 空气膨胀测试是一种测量眼内压力 (IOP) 和角膜生物机械性能的非接触式方法.
  • IOP估计中的不准确性来自于IOP和角膜参数 (材料和几何) 之间的相关性.
  • 目前的流体结构相互作用 (FSI) 模型是计算密集的,限制了临床应用.

研究的目的:

  • 开发一种机器学习算法,用于预测患者特定的气泡压力分布.
  • 为了减少空气膨胀测试的FSI模拟的计算时间.
  • 提高眼内压力 (IOP) 和角膜物质应力-张力指数 (SSI) 测量的精度.

主要方法:

  • 采用了监督机器学习算法,特别是梯度提升.
  • 该算法在对角膜变形和气泡压力分布的参数研究中进行了训练.
  • 预测的压力分布被应用于一个包含FSI的有限元眼睛模型.

主要成果:

  • 机器学习算法准确地预测了依赖时间的气泡压力分布 (MAE:0.0258,RMSE:0.0673).
  • 计算时间从28小时大大减少到12分钟 (减少了99.2%).
关键词:
梯度增强回归器 (GBR) 是一种空气膨胀压力是空气膨胀压力.流体结构相互作用 (FSI)眼内压力 (IOP) 是指眼内压力.机器学习 (ML) 是指机器学习.眼睛的生物力学减少订单建模减少订单建模

更多相关视频

Ex Vivo Porcine Experimental Model for Studying and Teaching Lung Mechanics
12:09

Ex Vivo Porcine Experimental Model for Studying and Teaching Lung Mechanics

Published on: April 19, 2024

1.5K
Evaluation of Respiratory System Mechanics in Mice using the Forced Oscillation Technique
13:10

Evaluation of Respiratory System Mechanics in Mice using the Forced Oscillation Technique

Published on: May 15, 2013

56.9K

相关实验视频

Last Updated: Jul 9, 2025

Evaluating Regional Pulmonary Deposition using Patient-Specific 3D Printed Lung Models
07:56

Evaluating Regional Pulmonary Deposition using Patient-Specific 3D Printed Lung Models

Published on: November 11, 2020

4.3K
Ex Vivo Porcine Experimental Model for Studying and Teaching Lung Mechanics
12:09

Ex Vivo Porcine Experimental Model for Studying and Teaching Lung Mechanics

Published on: April 19, 2024

1.5K
Evaluation of Respiratory System Mechanics in Mice using the Forced Oscillation Technique
13:10

Evaluation of Respiratory System Mechanics in Mice using the Forced Oscillation Technique

Published on: May 15, 2013

56.9K
  • 该模型产生了考虑到FSI的角膜变形,使得可以提取响应参数以改进IOP和SSI算法.

    • 结论:

    • 精确估计气泡压力分布对于精确的IOP测量和角膜疾病检测至关重要.
    • 开发的ML算法保留了基于CFD的FSI模型的准确性,同时显著降低了计算成本.
    • 这一进步为IOP和SSI提供了更准确的参数方程,有利于临床实践和研究.