相关实验视频
Updated: Jul 13, 2026
05:51
Smartphone Fundus Photography
Published on: July 6, 2017
40.1K
基于人工智能的前腔室深度估计的验证,使用与智能手机兼容的灯设备
Takahiro Mizukami1, Eisuke Shimizu2,3, Kenta Tanaka2
1Department of Ophthalmology, Fuchu Hospital, Izumi, Osaka, Japan.
Ophthalmology science
|September 29, 2025
概括
一个人工智能 (AI) 算法使用智能眼相机 (SEC) 估计前腔深度 (ACD). 这种便携式系统显示了高精度,可与已建立的方法相比,用于可访问的玻璃眼查.
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:
- 精确的前腔深度 (ACD) 测量对于确定青光眼风险至关重要.
- 传统的ACD测量方法耗时且技术要求很高.
- 一个人工智能算法以前被开发来估计ACD从切口灯图像.
研究的目的:
- 为了评估先前开发的AI算法用于ACD估计的性能.
- 为了评估AI模型的准确性,当与智能手机兼容的智能眼睛摄像头 (SEC) 一起使用时.
- 将SEC的AI驱动的ACD估计与黄金标准前段OCT (AS-OCT) 测量进行比较.
主要方法:
- 进行了对329名亚洲患者556只眼睛图像的回顾性分析.
- 前腔深度 (ACD) 用嵌入式AI和AS-OCT的SEC进行测量.
- 绩效指标包括平均绝对误差 (MAE),平均平方误差 (MSE),皮尔森相关性和类内相关系数 (ICC).
主要成果:
- 集成到SEC中的AI算法实现了0.119 ± 0.0949mm的平均绝对误差 (MAE).
- 在AI估计的ACD和AS-OCT测量之间发现了强烈的相关性 (R = 0.922).
- 0.903的类内相关系数 (ICC) 表示AI和AS-OCT方法之间的良好一致.
结论:
- 在SEC平台中的AI模型准确地估计了前腔深度 (ACD).
- 美国证券交易委员会为ACD查提供了一个便携式和用户友好的工具.
- 这项技术有望在各种临床环境中广泛,可访问地进行眼风险评估.
