宝库:使用深度学习技术的宝库准确性:新的基于图像的人工智能模型用于预测可植入的拼接镜头术后的宝库
Taj Nasser1, Matthew Hirabayashi, Gurpal Virdi
1From the Parkhurst NuVision, San Antonio, Texas (Nasser, Parkhurst); University of Missouri Columbia School of Medicine, Columbia, Missouri (Hirabayashi, Virdi); Mason Eye Institute, Columbia, Missouri (Hirabayashi, Virdi); Texas State University, San Marcos, Texas (Abramson).
Journal of cataract and refractive surgery
|April 23, 2024
概括
一个新的深度学习模型准确地预测了 phakic 植入式聚合镜片 (ICL) 的术后. 这种人工智能工具确保了大多数预测都在临床上可接受的范围内,对于ICL vault.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 基植入式合镜头 (ICL) 用于折射误差的纠正.
- 对ICL的结果来说,术后的准确预测至关重要.
- 目前用于预测金库的方法可能有局限性.
研究的目的:
- 开发和验证一个深度学习模型,用于预测手术后的ICL存储库.
- 为了评估不同ICL大小的模型的准确性.
主要方法:
- 进行了一项追溯机器学习研究.
- 通过使用手术前的超声波图像,患者人口统计数据和术后的金库数据来训练神经网络.
- 研究人员利用了221名患者的437只眼睛的数据.
主要成果:
- 深度学习模型证明了ICL vault. 的高预测准确性.
- 不同ICL大小的平均绝对误差在66.3微米到103微米之间.
- 超过96%的预测是在大多数ICL大小的临床上可接受的500微米范围内.
结论:
- 开发的深度学习模型准确地预测了手术后的ICL存储库.
- 该模型的预测在临床上可接受的范围内,有助于手术规划.
- 这种人工智能方法显示了改善折射手术结果的希望.
