人工神经网络用于自动化角质检测,使用组合的状圆盘和前段光学一致性断层扫描仪拓仪

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:

• 角膜是一种进展性角膜疾病,影响视力.
• 早期检测对于治疗角和预防视力丧失至关重要.
• 目前的诊断方法在识别早期或可疑病例方面存在局限性.

研究的目的:

• 评估一个用于检测形和形嫌疑人的自动化程序.
• 用Placido盘和OCT角膜测量组合来评估人工神经网络 (ANN) 的有效性.
• 为了确定基于OCT的新型角膜厚度指数是否可以提高诊断准确度.

主要方法:

• 一项涉及6677只眼睛的多中心横截面研究.
• 开发一个具有反向传播算法的多层感知子ANN.
• 训练ANN使用角膜曲率,升高和OCT衍生的树皮和上皮厚度指数.

主要成果:

• 该ANN实现了98.6%的准确度,用于检测角.
• 对于疑似角瘤的检测,ANN显示了98.5%的准确性.
• 包括基于OCT的指数显著改善了早期形疑似病人的检测.

结论:

• 开发的ANN在检测已确定的角瘤方面表现出高准确性.
• 基于OCT的新型上皮质和肌层厚度指数增强了ANN检测早期角质疑人的能力.
• 这种自动化的方法显示了改善角瘤诊断的希望.