开发和验证一个深度学习模型,从超广场图像中预测轴长度
Yunzhe Wang1,2,3,4, Ruoyan Wei1,2,3,4,5, Danjuan Yang1,2,3,4
1Eye Institute and Department of Ophthalmology, Eye & ENT Hospital, Fudan University, Shanghai, China.
Eye (London, England)
|December 15, 2023
概括
深度学习模型可以使用超广场 (UWF) 图像准确地预测中度至高近视患者的轴长度 (AL). 这种人工智能方法显示了眼科临床应用的可行性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精确的轴长度 (AL) 测量对于管理中度至高近视是至关重要的.
- 超广场 (UWF) 成像提供了全面的视网膜视图.
- 从UWF图像中开发用于AL预测的AI模型是一个有前途的领域.
研究的目的:
- 评估深度学习模型用于预测近视患者的AL的可行性.
- 用UWF图像来预测中度至高近视的AL.
主要方法:
- 通过使用来自3134名近视患者的6174张UWF图像进行深度学习模型的训练和验证.
- 使用R2,MAE和MSE指标来评估性能.
- 还开发并分析了特定性别的模型.
主要成果:
- 该模型在预测AL方面取得了很高的准确性,R2为0.579,MAE为0.9043,MSE为1.419.
- 预测偏差在64.88%的测试中在1毫米的误差范围内,在76.90%的测试中在5%的误差范围内.
- 热图显示,该模型专注于病态底部和周视区域.
结论:
- 深度学习模型可用于使用UWF图像预测中度至高近视患者的AL.
- 该模型显示了近视管理中临床应用的潜力.
更多相关视频
05:49Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders
Published on: November 1, 2024
818
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.8K