开发一款基于机器学习的工具,用于在夜间进行整形眼镜镜片的镜片配合
Seongbong Koo1, Wook Kyum Kim2, Yoo Kyung Park2
1Myopia Research Lab, VISUWORKS, Seoul, South Korea.
Translational vision science & technology
|February 22, 2024
概括
一个新的机器学习模型准确地选择了近视控制的视镜参数. 这种人工智能驱动的方法优化了夜间镜头的安装,减少了试验和错误,以更好地纠正视力.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 视近视疗法 (ortho-K) 是对近视控制的一个关键方法.
- 成功的ortho-K需要精确的透镜参数选择,以有效地减少折射误差.
- 当前的方法可能涉及试验和错误,影响效率.
研究的目的:
- 开发一种机器学习 (ML) 模型,用于专家级别选择 ortho-K 镜头参数.
- 为了预测最佳参数,包括托里克选项,直径,基线曲线和斜面深度.
- 为了提高近视控制镜头的准确性和效率.
主要方法:
- 开发了ML模型来预测正形K参数:托里克选项,总直径 (OAD),基线曲线 (BC),返回区域深度 (RZD),着陆区域角度 (LZA) 和镜头斜视深度 (LensSag).
- 训练模型对来自韩国青少年的547只眼睛的数据进行训练,使用专家临床配合数据和眼科测量.
- 在患者层面使用了一个数据集,分为80%的培训和20%的验证集.
主要成果:
- ML模型实现了高精度:92.7%的托里克选项和86.4%的OAD.
- 证明了BC (0.052毫米),RZD (2.727微米),LZA (0.118°) 和LensSag (5.215微米) 的低预测误差.
- 在BC和RZD预测方面表现优于制造商的传统镜头选择器.
结论:
- 成功开发了一种专家级的ML模型,用于全面的Ortho-K镜头参数确定.
- 基于ML模型创建了一个用户友好的基于Web的应用程序.
- 这种人工智能工具提供了比传统方法更准确的替代方案,最大限度地减少了正形K配件的试错.
