相关实验视频
Updated: Jun 27, 2025
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
12.2K
人工智能可以自动评估眼睛和眼睛周围的测量
Khizar Rana1, Mark Beecher1, Carmelo Caltabiano1
1Department of Ophthalmology & Visual Sciences, South Australian Institute of Ophthalmology, University of Adelaide, North Terrace, SA 5000, Australia.
European journal of ophthalmology
|May 6, 2024
概括
一个人工智能网络准确地测量眼睛周围的面部地标,改进客观的眼睛周围测量,并使远程患者远程医疗评估成为可能.
科学领域:
- 眼科医生 眼科 眼科
- 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 周眼人类测量测量对于诊断和监测各种眼部疾病至关重要.
- 目前的手动测量方法可能是主观的,耗时的.
- 自动化这些测量可以提高临床效率和一致性.
研究的目的:
- 开发和验证一个深度学习面部地标检测网络.
- 为了自动评估周期性人类测量测量.
主要方法:
- 通过从479名参与者收集的前性图像来训练一个深度学习网络.
- 面部地标被手动细分,以计算边际反射距离 (MRD) 和眼裂高度 (PFH) 等测量值.
- 算法的准确性是使用平均绝对误差和类内相关系数来评估的.
主要成果:
- 人工智能算法表现出高准确度,平均绝对误差低至0.22毫米,用于瞳孔间距离 (IPD).
- 类内相关系数显示出绝佳的可靠性 (>0.90) 对于大多数测量,包括MRD1,MRD2,PFH,外间距离 (OICD),内间距离 (IICD),和IPD.
- 该模型的平均错误率为0.51%,故障率为0%.
结论:
- 开发的自动化面部地标检测网络提供了准确可靠的周期性测量.
- 这项技术可以提高临床环境中周期性评估的客观性.
- 它有可能通过远程医疗促进远程患者评估.
