基于机器学习的模型的开发,用于根据植入物方向在植入式眼镜外科手术中进行预测
Timoteo González-Cruces1, Francisco Javier Aguilar-Salazar, Jordi Marfany Tort
1From the Department of Anterior Segment, Cornea and Refractive Surgery, Hospital Arruzafa, Cordoba, Spain (González-Cruces, Aguilar-Salazar, Sánchez-Ventosa, Villarrubia, Cerdán Palacios, Cano-Ortiz); Department of Anterior Segment and Refractive Surgery, Clínica Simon Oftalmología, Barcelona, Spain (Marfany Tort); Barraquer Ophthalmology Center, Barcelona, Spain (Mateu, Barraquer, Pardina); Department of Health and Biomedical Sciences, Universidad Loyola, Andalucía, Spain (Cano-Ortiz).
Journal of cataract and refractive surgery
|January 31, 2025
概括
机器学习模型准确地预测了植入式合镜片 (ICL) 尺寸和术后的密室. 这些先进的回归技术为眼科医生提供了更好的手术定制性和精度.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 准确预测手术后的体和可植入结合镜片 (ICL) 尺寸对于成功的折射手术至关重要.
- 目前的方法可能缺乏精度,需要先进的预测工具.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测术后体和最佳ICL大小.
- 将植入方位纳入白人人口的预测模型.
主要方法:
- 利用从235个眼睛接受ICL手术的前段生物识别数据.
- 使用CASIA II OCT数据训练并验证了五种ML回归模型.
- 在45只眼睛的单独数据集上进行了外部验证.
主要成果:
- 最小绝对收缩和选择操作员 (LASSO) 回归在外部验证中显示了最高的相关性 (r=0.62).
- 与纳卡穆拉的公式相比,ML模型与实际的金库有更好的一致性.
- 大约70%的预测达到了150微米以下的误差.
结论:
- 先进的ML回归模型提供了理想ICL大小的令人满意和精确的计算.
- 这些模型通过考虑植入物方向来增强手术定制性.
- 开发的模型为眼科外科医生提供了更高的精度.
