通过深度学习算法辅助的 ортокератология镜头配合状态的标准化评估
Wenting Song1, Yong Zhang2, Chuan Wan2
1Department of Ophthalmology, Anhui No.2 Provincial People's Hospital, Dangshan Road 1868, Hefei 230041, China.
概括
本研究介绍了一种YOLOv8n物体检测算法,用于评估正视镜片 (OK镜片) 的合适性. 人工智能模型客观地量化了镜头的移位和合状态,显示了高精度和符合黄金标准的一致性.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 整形眼镜镜头 (OK镜头) 需要精确的装配,以获得有效性和安全性.
- 目前对OK镜头安装的手动评估可能是主观的,耗时的.
- 需要标准化,客观的方法来评估OK镜头的移位和合适状态.
研究的目的:
- 使用YOLOv8n物体检测算法,开发一种标准化,客观的评估方法,用于安装 ортокератологии镜头 (OK镜头).
- 量化评估OK镜片的移位,客观评估在光素染色下合适的状态.
- 建立一个可靠的工具,以提高效率,减少主观性在OK镜头的合适性评估.
主要方法:
- 分析了117个关于OK镜头光色素染色装配过程的视频.
- 开发一个YOLOv8n物体检测模型来识别可见虹膜和OK镜头.
- 使用检测中心和水平可见虹膜直径 (HVID) 之间的距离计算镜片位移.
- 使用准确性,回忆,F1得分和卡帕一致性测试来评估模型性能.
主要成果:
- 在虹膜和透镜检测方面,YOLOv8n模型实现了高精度 (97.6%),回忆 (98.8%) 和F1得分 (98.2%).
- 与黄金标准相比,装配状态评估的准确性平均达到89.5%.
- 卡帕值超过0.80,表明与传统的手动评估具有很高的一致性.
- 成功地实现了OK镜头位移和安装状态的自动计算.
结论:
- YOLOv8n对象检测算法提供了一种稳定,客观和准确的方法来评估OK镜头的合适性.
- 这个模型可以作为一个标准化的工具,补充手动评估,减少主观偏见.
- 对于缺乏适配经验的医生来说,它特别有价值,可能会提高评估效率.
- 为了临床标准化,建议使用更大的多中心数据进行进一步验证.
