通过深度学习的斑点图案,通过远程和低成本的眼内压力监测
Zeev Kalyuzhner1, Sergey Agdarov1, Yevgeny Beiderman2
1Bar-Ilan University, Faculty of Engineering and the Nanotechnology Center, Ramat-Gan, Israel.
Journal of biomedical optics
|April 1, 2024
概括
一种新的远程光子方法使用深度学习来负担得起地测量眼内压力 (IOP). 在格劳科马诊断方面的这一突破为全球服务不足地区的早期检测提供了希望.
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:
- 玻璃眼是全球导致失明的主要原因,由于诊断成本高,尤其影响低收入地区.
- 准确的眼内压力 (IOP) 测量对于早期的青光眼的检测和管理至关重要.
研究的目的:
- 开发一种负担得起的远程光子方法,使用深度学习来测量IOP.
- 为了实现精确的IOP测量,以改善青光眼的诊断.
主要方法:
- 开发了一种新的生物监测技术,分析声音刺激时从膜反射的斑点图案.
- 我们使用深度学习算法来分析这些斑点模式的视频数据,以确定IOP.
- 该方法在24头猪眼球上进行了测试,这些眼球的内压力被人为提高.
主要成果:
- 开发的方法证明了高精度的IOP测量.
- 深度学习有效地分析了斑点模式,使IOP能够准确地确定.
- 该技术显示出广泛全球应用的潜力.
结论:
- 开发和测试了一种新的,价格合理的,准确的远程光子IOP生物监测方法来诊断绿眼病.
- 该方法利用深度学习和斑点模式分析,显示了对资源有限的设置的承诺.
- 进一步的开发,包括人类眼睛测试的原型,可以显著提高全球的青光眼的诊断和管理.
