相关实验视频
Updated: Jan 15, 2026
07:06
Binocular Dynamic Visual Acuity in Eyeglass-Corrected Myopic Patients
Published on: March 29, 2022
3.2K
预测模型的可靠性,用于功能分类的鼻状眼内透镜依赖于学生直径的眼内透镜
Diego Montagud-Martínez1,2, Walter D Furlan2, Vicente Ferrando1
1Centro de Tecnologías Físicas, Universitat Politècnica de València, 46022 Valencia, Spain.
Diagnostics (Basel, Switzerland)
|October 16, 2025
概括
不同的视力敏度预测模型在分类眼内透镜 (IOL) 时显示出不同的一致性,特别是在 pupil-dependent性能方面. 在解释功能分类时建议谨慎,因为光学基板设置和模型的变化.
科学领域:
- 眼科光学 眼科光学
- 生物医学工程 生物医学工程
- 视觉科学 视觉科学 视觉科学
背景情况:
- 眼内透镜 (IOL) 需要功能分类来进行临床应用.
- 评估学生的依赖性对于理解在不同照明条件下IOL表现至关重要.
- 现有的IOL功能分类预测模型需要评估协议和局限性.
研究的目的:
- 评估眼内透镜 (IOL) 功能分类的预测模型之间的一致性.
- 评估这些模型在评估学生依赖性方面的局限性.
- 为了分析不同瞳孔大小的阴侧内侧眼镜的性能.
主要方法:
- 使用一个符合ISO标准的光学板,修改了设置,以测量调制转移函数面积 (MTFa).
- 在1.5至5.5毫米的瞳孔直径上测量MTFa,用于Acriva Trinova Pro C瞳孔适应性IOL.
- 应用了六种预测模型来估计视觉敏度失焦曲线和功能分类 (视野深度和视觉敏度增加).
主要成果:
- 所有模型都预测了全景深度 (DOFi) 响应 (>2.3 D在0.2 logMAR).
- 在瞳孔直径之间出现视力敏度增加 (ΔVA) 的差异,持续下降 (<0.05 logMAR) 低于2.5mm.
- 模型分类 (连续的,光滑的,的) 在3.5毫米瞳孔直径以上变化很大,突出了模型特定的反应.
结论:
- 视敏度预测模型从光学基板数据提供临床相关指标.
- 从这些模型中获得的功能分类可以根据所使用的光学板设置和预测模型而有所不同.
- 解释IOL功能分类需要仔细考虑所使用的方法和预测模型.
