通过卷积神经网络检测智能手机图像中的折射误差
M K Michael Cheung1, Zhongqi Yang2, Xinwei Zhai3
1School of Optometry, The Hong Kong Polytechnic University, Hong Kong, China.
International journal of medical informatics
|August 30, 2025
概括
这项研究引入了一种使用卷积神经网络 (CNN) 模型估计智能手机图像折射误差的新方法. 这种方法显示了可访问和有效的视力查的潜力,特别是近视.
科学领域:
- 眼科 眼科
- 计算机视觉
- 人工智能
背景情况:
- 折射误差是一种常见的视力障碍,
- 由于成本和专业知识的要求,目前的视力查方法往往无法使用.
- 基于智能手机的分析为民主化视力查提供了一个潜在的解决方案.
研究的目的:
- 调查基于CNN的模型用于准确的折射误差估计.
- 开发一种使用智能手机图像选视觉显著近视折射误差的方法.
- 评估可访问和有效的视力查工具的可行性.
主要方法:
- 使用了在ImageNet上预先训练的CNN模型 (MobileNetV2,EfficientNetB0,ResNet18).
- 使用数据增强来解决数据不足的问题.
- 用于折射误差估计和二进制分类的探索特征应用.
主要成果:
- 对于折射误差估计,MobileNetV2模型的平均绝对误差约为0.616.
- 在二进制折射误差检测中达到约85.3%的准确性.
- 在估计和选应用中表现出有前途的性能.
结论:
- 这项研究是首次将CNN模型用于折射误差估计和近视查.
- 拟议的方法显示出作为可访问和有效的视力查解决方案的潜力.
- 基于智能手机的CNN分析可以显著改善全球对视觉诊断的准入.


