眼睛波浪的统计模型与住宿相结合
María Mechó-García1, María Arcas-Carbonell2,3, Elvira Orduna-Hospital2,3
1Clinical and Experimental Optometry Research Lab, Physics Center of Minho and Porto Universities (CF-UM-UP), School of Sciences, University of Minho, Braga, Portugal.
Investigative ophthalmology & visual science
|October 8, 2024
概括
主要组件分析 (PCA) 有效地减少了适应性研究的波面偏差数据维度. 使用PCA生成的合成数据密切模仿真实临床数据,有助于研究.
科学领域:
- 眼科医生 眼科 眼科
- 视光学测量 视光学测量 视光学测量
- 生物医学工程 生物医学工程
背景情况:
- 波面偏差对于理解视觉光学至关重要.
- 在视觉科学研究中,对不同适应水平的偏差进行准确的建模是必不可少的.
- 主要组件分析 (PCA) 提供了一种减少数据维度的方法.
研究的目的:
- 确定在适应过程中表示波面偏差所需的最小的正则基础函数.
- 用PCA衍生函数生成各种适应状态的合成波浪数据.
- 根据原始临床测量,验证生成的合成数据的准确性.
主要方法:
- 采集了来自191名受试者的单眼波面数据,使用的是哈特曼-沙克异常计.
- 模拟住宿从0到5个二光子在1个二光子的步骤.
- 将PCA应用于150个波面参数 (跨6个容纳级别的泽尼克系数),以导出自身向量.
- 建模了49个自身向量,并生成了1000个合成数据集.
主要成果:
- 前49个自向量捕获了99.97%的原始数据变化.
- 在生成和原始自向量平均值和标准偏差 (P > 0.05/49) 之间没有发现显著差异.
- 生成的合成数据显示了统计学上相当的平均值和与原始临床数据相似的可变性 (P > 0.05/150).
结论:
- PCA显著降低了波面偏差数据的维度,使变量空间减少了66%以上.
- 开发的波模型有效地产生了类似于住宿原始临床数据的合成数据.
- 这种方法有助于创建可靠的数据集,用于研究视觉光学和偏差校正.
