基于深度学习的图像分析,用于评估绑架在绑架神经麻患者的绑架程度,在眼手术前和之后
Ziying Zhou1, Shengqiang Shi2, Xiajing Tang1
1Eye Center, The Second Affiliated Hospital of Zhejiang University School of Medicine, Zhejiang Provincial Key Laboratory of Ophthalmology, Zhejiang Provincial Clinical Research Center for Eye Diseases, Zhejiang Provincial Engineering Institute on Eye Diseases, Hangzhou, China.
Advances in ophthalmology practice and research
|November 1, 2024
概括
一种新的深度学习方法准确地测量了被绑架神经麻患者的眼睛绑架,在眼手术后显著改善. 这种技术提供了对手术结果的客观评估.
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:
- 阿布杜森神经麻会影响眼睛的运动,往往需要眼手术.
- 对手术结果的客观评估对于患者管理至关重要.
研究的目的:
- 开发和验证一种基于深度学习的方法,用于量化眼睛绑架在绑架神经患者的眼睛绑架.
- 通过比较手术前和后的绑架测量来评估眼手术的有效性.
主要方法:
- 采用了基于U-Net (R2AU-Net) 的注意门连接的新型循环残留卷积神经网络.
- 在手术前和后分析了13名患有神经麻的患者的面部图像.
- 自动测量绝对和相对绑架与手动评估进行了比较.
主要成果:
- 深度学习模型与手动测量具有很高的一致性 (ICC: 0.985-0.992) 和出色的重复性 (ICC: 0.994-0.997).
- 在手术后观察到绝对移的显著改善 (2.18 ± 1.40 毫米至 3.36 ± 1.93 毫米,P<0.05).
- 手术后76.9%的患者的相对抽取改善 (P<0.01).
结论:
- 拟议的图像分析技术提供了精确和可重复的眼睛绑架自动测量.
- 这种深度学习方法显示出对客观评估斜视神经麻中斜视手术结果的重大前景.


