清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A Hybrid Deep Learning Construct for Detecting Keratoconus From Corneal Maps

人工智能 圆锥角膜 深度学习 计算机科学 角膜地形图 接收机工作特性 混乱 眼科 验光服务 角膜 医学 机器学习 精神分析 心理学
作者
Ali H. Al‐Timemy,Zahraa M. Mosa,Zaid Abdi Alkareem Alyasseri,Alexandru Lavric,Marcelo Mastromonico Lui,Rossen Mihaylov Hazarbassanov,Siamak Yousefi
出处
期刊:Translational Vision Science & Technology [Association for Research in Vision and Ophthalmology (ARVO)]
卷期号:10 (14): 16-16 被引量:26
标识
DOI:10.1167/tvst.10.14.16
摘要

To develop and assess the accuracy of a hybrid deep learning construct for detecting keratoconus (KCN) based on corneal topographic maps.We collected 3794 corneal images from 542 eyes of 280 subjects and developed seven deep learning models based on anterior and posterior eccentricity, anterior and posterior elevation, anterior and posterior sagittal curvature, and corneal thickness maps to extract deep corneal features. An independent subset with 1050 images collected from 150 eyes of 85 subjects from a separate center was used to validate models. We developed a hybrid deep learning model to detect KCN. We visualized deep features of corneal parameters to assess the quality of learning subjectively and computed area under the receiver operating characteristic curve (AUC), confusion matrices, accuracy, and F1 score to evaluate models objectively.In the development dataset, 204 eyes were normal, 123 eyes were suspected KCN, and 215 eyes had KCN. In the independent validation dataset, 50 eyes were normal, 50 eyes were suspected KCN, and 50 eyes were KCN. Images were annotated by three corneal specialists. The AUC of the models for the two-class and three-class problems based on the development set were 0.99 and 0.93, respectively.The hybrid deep learning model achieved high accuracy in identifying KCN based on corneal maps and provided a time-efficient framework with low computational complexity.Deep learning can detect KCN from non-invasive corneal images with high accuracy, suggesting potential application in research and clinical practice to identify KCN.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助科研通管家采纳,获得10
32秒前
酷波er应助一个小胖子采纳,获得10
42秒前
DongWei95应助一个小胖子采纳,获得10
1分钟前
JamesPei应助Mannone采纳,获得10
1分钟前
1分钟前
学习发布了新的文献求助10
1分钟前
川藏客完成签到 ,获得积分10
1分钟前
耶耶耶完成签到 ,获得积分10
1分钟前
1分钟前
Mannone完成签到,获得积分10
1分钟前
传奇3应助一个小胖子采纳,获得10
1分钟前
Mannone发布了新的文献求助10
1分钟前
学习完成签到,获得积分10
1分钟前
李爱国应助一个小胖子采纳,获得10
1分钟前
CipherSage应助一个小胖子采纳,获得10
1分钟前
2分钟前
JamesPei应助一个小胖子采纳,获得10
2分钟前
orixero应助一个小胖子采纳,获得10
2分钟前
2分钟前
chencc13发布了新的文献求助10
2分钟前
乐乐应助一个小胖子采纳,获得10
2分钟前
丘比特应助一个小胖子采纳,获得10
3分钟前
一个小胖子完成签到,获得积分10
3分钟前
vitamin完成签到 ,获得积分10
4分钟前
顾矜应助Kumquat采纳,获得10
4分钟前
王老板发布了新的文献求助10
4分钟前
5分钟前
5分钟前
思源应助瘦瘦的涵瑶采纳,获得10
5分钟前
一兜兜糖完成签到,获得积分10
5分钟前
5分钟前
Kumquat发布了新的文献求助10
5分钟前
lanxinge完成签到 ,获得积分10
5分钟前
城外青山完成签到,获得积分10
5分钟前
nuliguan完成签到 ,获得积分10
6分钟前
6分钟前
风中凡霜发布了新的文献求助10
6分钟前
友好擎发布了新的文献求助50
6分钟前
风中凡霜完成签到,获得积分10
6分钟前
犹豫翠萱完成签到 ,获得积分10
7分钟前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3072750
求助须知:如何正确求助?哪些是违规求助? 2726364
关于积分的说明 7493832
捐赠科研通 2374266
什么是DOI,文献DOI怎么找? 1258931
科研通“疑难数据库(出版商)”最低求助积分说明 610422
版权声明 596997