开发基于神经网络的自动眼测量系统
Yoonsoo Nam1, Taekyung Song2, Jaesung Lee3
1Department of Ophthalmology, Chung-Ang University College of Medicine, Chung-Ang University Hospital, 102 Heukseok-ro, Dongjak-gu, Seoul, 06973, Korea.
Scientific reports
|January 12, 2024
概括
一个自动神经网络 (NN) 系统准确地测量了眼尺寸,包括边缘反射距离 (MRD1和MRD2),为临床评估和检测眼异常提供了可靠的工具.
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:
- 眼测量对于诊断诸如Graves的轨道病变 (GO) 和亡等疾病至关重要.
- 手动测量技术可能耗时且容易变化.
- 自动化系统有可能提高临床实践中的效率和准确性.
研究的目的:
- 评估自动眼测量系统的临床实用性和可靠性.
- 评估基于神经网络 (NN) 的系统测量关键眼参数的准确性.
- 为了比较自动测量与传统的手工技术.
主要方法:
- 总共有300名受试者 (100名GO患者,100名死患者,100名对照) 接受了数字眼图像.
- 开发了一个基于NN的自动化系统来测量边缘反射距离1和2 (MRD1,MRD2) 和眼长度.
- 测量结果与通过手动技术获得的值进行了比较.
主要成果:
- 自动化系统显示了对MRD1,MRD2,上下双眼长度的手动测量高度一致.
- 具体的平均自动测量是:MRD1 (3.2 ± 1.7毫米),MRD2 (6.0 ± 1.4毫米),上眼长度 (32.9 ± 6.1毫米) 和下眼长度 (29.0 ± 5.6毫米).
- 该研究确定了24个分区 (15度间隔) 作为检测眼异常的最低值.
结论:
- 基于NN的自动化系统为眼测量提供了一种简单而精确的方法.
- 这项技术可以可靠地测量MRD1和MRD2.
- 该系统有效地检测眼的形态异常.
