一种基于多标签变压器的深度学习方法来预测焦点视野进展.
Ling Chen1, Vincent S Tseng2, Ta-Hsin Tsung3
1Institute of Hospital and Health Care Administration, National Yang Ming Chiao Tung University, Taipei, Taiwan.
概括
一个新的深度学习模型准确地预测了青光眼患者的视野进展. 这种工具可以帮助识别和预测特定视野区域的疾病进展.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 标准自动周边测量是目前用于跟踪视野 (VF) 变化的临床标准.
- 使用先进的方法预测区域性VF进展仍然是绿眼病研究中未经探索的领域.
研究的目的:
- 开发和评估一种深度学习 (DL) 模型,用于预测青光眼患者的区域视野 (VF) 进展.
- 评估模型使用纵向数据识别和预测特定VF区域的进展的能力.
主要方法:
- 一个多标签的基于变压器的网络 (MTN) 使用长度VF数据从2430眼睛的1283个青光眼患者开发.
- 进展是由六个VF区域 (集群) 的平均偏差 (MD) 斜率定义的.
- 经过MTN模型的训练和测试,用于使用不同数量的VF作为输入来检测和预测焦点进展.
主要成果:
- 在检测5个或更多个VF的焦点VF进展方面,MTNs表现出色 (宏观平均AUC>0.884).
- 与5个VF相比,使用6个VF提高了模型性能和稳定性,实现了0.848的宏观平均预测AUC.
- 该模型在四个集群中表现出色 (AUC ≥ 0.86) 对于严重VF损失的眼睛 (基线MD≤-12dB).
结论:
- 开发的多标签DL网络显示出高预测准确度,用于识别和预测VF进展.
- 这些DL模型有可能成为临床医生在控制青光眼进展方面的辅助工具.
更多相关视频
相关概念视频
01:15Depth Perception and Spatial Vision
2.7K
Depth perception is the ability to perceive objects three-dimensionally. It relies on two types of cues: binocular and monocular. Binocular cues depend on the combination of images from both eyes and how the eyes work together. Since the eyes are in slightly different positions, each eye captures a slightly different image. This disparity between images, known as binocular disparity, helps the brain interpret depth. When the brain compares these images, it determines the distance to an object.
2.7K
01:29Application of Linearization and Approximation
193
A drone flying through complex terrain often relies on more than one sensing method to estimate small changes in altitude. Along with direct measurements, air pressure provides a useful indirect indicator of vertical movement. Atmospheric pressure decreases as altitude increases, and this relationship is commonly described using an exponential model. Although accurate, converting pressure measurements into altitude values requires calculations that are too complex to perform repeatedly during...
193