专家的适应时间混合物用于从眼睛反应分析仪预测度指标和识别角:从眼睛反应分析仪估计度

科学领域:

• 眼科医生 眼科 眼科
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 眼部响应分析仪 (ORA) 为评估眼部生物力学提供了有价值的波形数据.
• 精确估计弹性刚度对于诊断各种眼部疾病至关重要.
• 目前用于从ORA波形中提取刚度的方法有局限性.

研究的目的:

• 开发和验证一种机器学习模型,用于从ORA波形中提取弹性刚度估计值.
• 将开发模型的性能与传统的机器学习方法进行比较.
• 评估模型在检测角瘤方面的能力.

主要方法:

• 使用开发和独立验证数据集进行了前性观察队列研究.
• 一个自适应时间混合专家 (AT-MoE) 模型,集成长期短期记忆 (LSTM) 网络,被训练在ORA波形参数和原始信号.
• 该模型预测了角膜,膜和变形刚度的估计值,根据Corvis ST数据进行验证,并用于检测角膜.

主要成果:

• 与基线LSTM模型相比,AT-MoE模型在预测眼硬度方面表现优异,预测误差降低.
• 该模型在独立验证数据集中实现了0.9512的接收器运营商特征 (AUROC) 曲线下的区域,用于检测角.
• 这种性能可与已知的断层扫描检测方法相美.

结论:

• AT-MoE模型提供了一个新且准确的框架,用于从ORA波形中推导弹性刚度.
• 这种机器学习方法增强了诊断能力,用于诸如角等疾病.
• 该方法有可能扩大ORA装置用于生物力学分析的临床应用.