深度学习模型用于虹膜和眉毛细分以及在获得性死中眼睛里程碑测量的自动化
Dain Yoo1, Hyun Jin Shin1,2,3
1School of Medicine, Konkuk University, Chungju 27478, Republic of Korea.
Biomedicines
|October 29, 2025
概括
深度学习模型准确地对虹膜和眉毛区域进行细分,自动测量已获得的死手术规划. 这为眼疾病提供了客观,标准化的分析.
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:
- 获得性阴是老年人常见的眼疾病,导致视力障碍和美容问题.
- 对于手术规划而言,手动评估眼睛的解剖学是主观的,需要大量的时间.
- 客观的,标准化的分析是必要的,以有效的手术规划在ptosis患者.
研究的目的:
- 开发用于自动化虹膜和眉毛细分的深度学习模型.
- 为了使客观的,标准化的测量在获得的眼球死中的关键眼球地标.
- 为了提高手术规划的准确性和效率,用于ptosis.
主要方法:
- 追溯收集了来自209名肺瘤患者的612张面部图像.
- 开发用于虹膜和眉毛细分的深度学习模型.
- 七个关键地标的自动测量,包括MRD1,MRD2和眉毛/边缘骨终点.
主要成果:
- 在虹膜 (99.7%) 和眉毛 (98.6%) 分段模型中获得了高精度.
- 自动地标测量显示出较低的错误率 (MAPE 4.00%,RMSE 2.48 mm).
- 这些模型为周期性分析提供了准确可靠的数据.
结论:
- 开发的深度学习模型为细分和里程碑测量提供了高性能.
- 这些工具有助于客观和标准化分析所获得的死.
- 研究结果支持人工智能驱动的预测工具在肺瘤手术规划中的潜力.
