使用卷积神经网络的汉弗里视觉场报告的高精度数字化
1Department of Internal Medicine, Division of Infectious Diseases, Chang Gung Memorial Hostpital, Linkou Branch, Taoyuan Taiwan; and College of Medicine, Chang Gung University, Taoyuan, Taiwan.
Translational vision science & technology
|May 5, 2025
概括
本研究介绍了一种使用卷积神经网络 (CNN) 数字化视野 (VF) 报告的AI框架,用于眼患者. 人工智能模型实现了高精度,改善了数据可访问性和临床工作流程,以获得更好的患者结果.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 玻璃眼是全球不可逆转失明的主要原因.
- 准确的视野 (VF) 评估对于青光眼的诊断和管理至关重要.
- 数字化VF报告对于在临床实践中数据利用至关重要.
研究的目的:
- 开发一种高效准确的方法来数字化视觉现场报告.
- 为应对临床评估数据可访问性的挑战.
- 增强视野评估数据的实用性.
主要方法:
- 开发了一个轻量级的卷积神经网络 (CNN) 框架.
- 使用了1万5千份视野报告的数据集,涵盖了十年的时间.
- 便携式文档格式 (PDF) 文件进行了预处理,并将数据标准化为48x48像素的图像,并结合了各种字体类型以进行概括.
主要成果:
- 该CNN模型在数字数据提取方面实现了100%的准确性,在元数据识别方面达到98.6%以上的准确性.
- 用关键字映射进行后处理,通过纠正视觉上类似的字符错误,提高了元数据可靠性.
- 与手动数据输入相比,人工智能方法显著减少了处理时间,同时保持了高准确度.
结论:
- 人工智能驱动的数字化方法有效地解释视野图像,为复杂的报告数字化提供可靠的解决方案.
- 这一框架增强了临床工作流程,并促进了对视觉场数据的更好的解释.
- 这项研究表明,人工智能有潜力通过简化流程和改进患者结果分析来推进青光眼的护理.
