在植入可植入拼接镜头植入后,用深度学习预测手术后的顶

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 准确预测手术后的顶是成功植入可植入结膜透镜 (ICL) 植入的关键.
• 目前用于ICL大小选择的方法依赖于公式,这些公式可能无法考虑个体患者的变化.
• 先进的计算方法可以提高ICL手术手术前手术规划的精度.

研究的目的:

• 为了比较多个人工智能 (AI) 算法在预测手术后的预测效果.
• 为了确定最佳的AI模型来选择合适的植入式合镜片 (ICL) 尺寸.
• 确定影响术后置的关键手术前参数.

主要方法:

• 从83名接受EVO-V4CICL的患者132只眼睛的回顾性分析.
• 功能选择确定了16个手术前的参数,这些参数与手术后的宝库相关.
• 评估了四种回归模型 (MLP,XGBoost,RFR,KNN) 用于库房预测和ICL大小的确定.

主要成果:

• XGBoost 显示了最高的预测性能 (R2=0.9999) 和准确性 (99.8%).
• 此外,MLP的精度也很高 (98.9%),而RFR (87.1%) 和KNN (57.4%) 的精度较低.
• 这项研究成功地使用人工智能来预测金库,并指导ICL大小选择.

结论:

• 人工智能算法,特别是XGBoost,可以准确地预测ICL植入后的术后.
• 人工智能驱动的预测有助于眼科医生选择正确的ICL大小,优化 vault.
• 这种方法增强了手术规划,并有可能改善折射手术患者的治疗结果.