宝库-OCT:使用深度学习技术的宝库准确性 - - 一个AI模型用于预测可植入的粘合器镜头AS-OCT的术后宝库
Matthew T Hirabayashi1, Gurpal S Virdi2,3, Taj A Nasser4,5
1Parkhurst NuVision LASIK Eye Surgery, San Antonio, Texas, USA.
Journal of cataract and refractive surgery
|July 15, 2025
概括
一个新的深度学习模型,VAULT-OCT,使用手术前的OCT扫描,准确地预测了可植入粘合镜 (ICL) 的术后隐藏. 这种人工智能工具有助于精确的ICL大小,并改善手术结果.
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:
- 基植入式粘合器镜头 (ICL) 用于折射误差的纠正.
- 准确预测手术后的金库对于ICL的成功至关重要.
- 手术前前段光学连贯性断层扫描 (AS-OCT) 是一个关键的成像模式.
研究的目的:
- 开发和验证VAULT-OCT,这是一个深度学习模型,用于预测术后ICL.
- 为了评估VAULT-OCT的准确性,使用手术前的AS-OCT图像.
- 确定使用AS-OCT用于ICL大小决定的可行性.
主要方法:
- 一项回顾性研究包括来自162名接受ICL植入的患者的324只眼睛.
- VAULT-OCT神经网络在手术前的AS-OCT图像和手术后的密室测量上进行了训练.
- 使用平均绝对误差 (MAE) 和根平均平方误差 (RMSE) 评估模型性能.
主要成果:
- VAULT-OCT在不同镜头大小的ICL预测中表现出高准确度.
- 平均绝对误差 (MAE) 在21.7μm到98.1μm之间.
- 预测的高百分比 (89.1%100%) 在临床上可接受的200微米边际内.
结论:
- 基于OCT的深度学习模型VAULT-OCT准确地预测了手术后的ICL.
- 该模型的性能表明其可用于指导ICL大小决定的可行性.
- 这项技术有可能提高折射手术的结果.
