人工智能驱动的激光检测使用角膜光学一致性断层扫描地图

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:

• 识别先前的激光辅助 in situ 角质化 (LASIK) 对于准确的眼科评估至关重要.
• 角膜光学连贯断层扫描 (OCT) 提供角膜的详细横截面图像.
• 区分健康的角膜和LASIK后的角膜对于患者管理至关重要.

研究的目的:

• 开发和验证一个卷积神经网络 (CNN) 来检测LASIK手术史.
• 使用角膜OCT地图作为AI模型的输入.
• 评估模型在识别近视和高视激光切除术中的表现.

主要方法:

• 一个轻量级的CNN被训练使用五种类型的角膜OCT地图 (平度,上皮厚度,后部平均曲率,前轴功率,前层层体反射率).
• 数据包括健康个体的OCT扫描和先前近视或高近视LASIK患者的数据.
• 该模型使用五倍交叉验证和独立的样本外测试集进行了评估.

主要成果:

• 在交叉验证中,CNN实现了高精度,近视激光手术的精度为90.2%,近视激光手术的精度为90.2%.
• 对近视激光手术的灵敏度达到93.5%,对于高视激光手术的灵敏度达到90.2%.
• 在ROC曲线下的面积 (AUC) 超过近视的97.8%,近视LASIK检测的98.2%. 所有的眼睛在样本外测试中被正确分类.

结论:

• 一个轻量级的CNN模型利用角膜OCT地图是有效的检测LASIK历史.
• 这种由人工智能驱动的方法为眼科诊断提供了有价值的工具.
• 人工智能辅助的OCT成像可以改善以前经过LASIK手术的患者的管理,这些患者接受了白内障手术等手术.