采用机器学习来预测小切割镜片提取 (SMILE) 的名ogram
Pan Liu1,2, Xiaochen Gu3,4,5, Yexuan Jiao1
1Department of Ophthalmology, The Second Affiliated Hospital of Harbin Medical University, Harbin, 150086, China.
International ophthalmology
|May 5, 2025
概括
机器学习使用手术前的数据准确地预测小切口镜片提取 (SMILE) 的名ograms. 这项技术可以帮助外科医生,并减少名ogram调整中初级住院医生的学习曲线.
科学领域:
- 眼科医生 眼科 眼科
- 医疗技术 医疗技术 医学技术
- 数据科学数据科学数据科学
背景情况:
- 小切口镜片提取 (SMILE) 是一种折射性手术程序.
- 准确的诺基图对于优化SMILE手术中的折射结果至关重要.
- 预测名ograms传统上依赖于外科医生的经验和临床数据.
研究的目的:
- 开发和评估机器学习模型,用于预测SMILE手术中的名ograms.
- 将机器学习预测的准确性与传统方法和初级居民进行比较.
- 评估机器学习在协助折射外科医生的潜力,并改进名录的调整.
主要方法:
- 利用了从1025个眼睛接受SMILE的手术前临床数据.
- 应用了六种机器学习算法:XGBoost,梯度增强回归 (GBR),随机森林 (RF),LightGBM,线性回归 (LR) 和支持向量回归 (SVR).
- 使用根平均绝对误差 (RMSE) 和平均绝对误差 (MAE) 评估模型性能;在特定的二光子值下与初级居民比较精度.
主要成果:
- 机器学习模型展示了准确的名ogram预测,与实际名ogram没有显著差异 (P > 0.05).
- 在所有模型中,RMSE值在0.075到0.110之间,MAE值在0.055到0.085之间.
- XGBoost在±0.05D到±0.25D值内显示出明显高于SVR和初级居民 (P<0.001) 的精度;其他顶级ML模型的性能相对而言相对较高.
结论:
- 机器学习有效地使用手术前的临床数据预测SMILE手术的诺米克图.
- ML方法在协助折射外科医生和缩短名ogram调整中初级住院人员的学习曲线方面显示出希望.
- 该研究强调了人工智能在提高折射手术精度和效率方面的潜力.
