预测白内障手术后的视觉敏度,通过使用临床信息和彩色底部摄影的深度学习方法
Che-Ning Yang1, Yi-Ting Hsieh1,2, Hsu-Hang Yeh2
1School of Medicine, National Taiwan University, Taipei, Taiwan.
Current eye research
|December 9, 2024
概括
深度学习模型使用临床数据准确预测白内障手术后的视力敏度. 添加彩色底部摄影并没有显著改善预测,但手术前视力敏度确实有所改善.
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:
- 白内障手术是恢复视力的常见手术.
- 预测术后视力敏度对于患者管理和手术规划至关重要.
- 深度学习为提高预测准确性提供了潜力.
研究的目的:
- 评估深度学习模型,用于预测白内障手术后的视力敏度.
- 评估手术前临床信息和彩色底部摄影 (CFP) 在这些预测中的有用性.
主要方法:
- 追溯收集患者数据,包括年龄,性别,手术前最佳校正视敏度 (BCVA) 和CFP.
- 使用Xception模型从CFP中提取特征.
- 使用临床信息和CFP特征进行预测的神经网络的开发.
- 使用平均绝对误差 (MAE) 和十倍交叉验证的性能评估.
主要成果:
- 结合年龄和性别的模型实现了0.121.1的MAE.
- 添加CFP特征并没有显著改善预测准确性 (MAE = 0.120).
- 包括手术前的BCVA,预测准确度提高了4.13% (MAE=0.116).
结论:
- 多模式深度学习模型在预测术后BCVA方面表现出高准确性.
- 仅仅临床信息,特别是手术前的BCVA,对于预测是非常有效的.
- 需要进一步的研究,以充分阐明多式联运数据在这种情况下的影响.


