开发和评估一个深度神经网络模型,用于整形外科的透镜配合
Hsiu-Wan Wendy Yang1, Chih-Kai Leon Liang2, Shih-Chi Chou2
1Department of Biomedical Engineering, National Yang Ming Chiao Tung University, Taipei, Taiwan.
概括
一个深度神经网络 (DNN) 模型在预测近视控制的正眼透镜参数方面表现出很高的准确性. 对于特定的情况,如低近视或高视,需要进一步细化.
科学领域:
- 眼科和眼镜检查的眼科和眼镜检查
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- ортокератология是一种使用专用隐形眼镜的近视控制方法.
- 当前的安装程序可能是主观的,影响精度和有效性.
- 全球近视流行需要改进,标准化治疗方法.
研究的目的:
- 评估一个深度神经网络 (DNN) 模型,以优化正视镜镜片的配合.
- 加强安装程序的标准化,减少主观评估.
- 通过精确的透镜参数预测,提高近视管理中的患者安全.
主要方法:
- 从266名成功的脊髓炎患者中对449只眼睛进行了回顾性分析.
- 训练和验证了一个带有两个隐藏层的DNN模型 (80%-20%的分割).
- 该模型使用角膜地形学和折射数据预测了镜头曲率,功率和直径.
主要成果:
- 该DNN模型实现了高预测准确度:R2值为0.97 (AC),0.95 (TP) 和0.91 (LD).
- 平均绝对误差很低:0.21 D (AC),0.19 D (TP) 和0.02 毫米 (LD).
- 预测准确性降低了低近视 (<1.00 D),高纹 (>2.00 D) 和尖的角膜 (>45.00 D).
结论:
- 该DNN模型显示了对精确的脊椎病学透镜配件的巨大潜力.
- 算法改进是必要的,以解决特定折射误差和角膜条件的局限性.
- 临床验证至关重要,在广泛采用在脊椎病理学实践之前.
