Diagnóstico de queratocono forme fruste utilizando secuencias Corvis ST con correlación de imágenes digitales y aprendizaje automático
Autores: Yang, Lanting; Qi, Kehan; Zhang, Peipei; Cheng, Jiaxuan; Soha, Hera; Jin, Yun; Ci, Haochen; Zheng, Xianling; Wang, Bo; Mei, Yue; Chen, Shihao; Wang, Junjie
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Diagnóstico de queratocono forme fruste utilizando secuencias Corvis ST con correlación de imágenes digitales y aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Correlación digital de imágenes incremental
Córnea
Queratocono forme fruste
Modelos de aprendizaje automático
Desplazamiento
Deformación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
Propósito: Este estudio tuvo como objetivo emplear el método incremental de correlación digital de imágenes (DIC) para obtener datos de campo de desplazamiento y deformación de la córnea a partir de secuencias de Corvis ST (CVS) y evaluar el rendimiento de la incrustación de estos datos biomecánicos con modelos de aprendizaje automático para distinguir el queratocono forme fruste (FFKC) de las córneas normales.
Descripción
Propósito: Este estudio tuvo como objetivo emplear el método incremental de correlación digital de imágenes (DIC) para obtener datos de campo de desplazamiento y deformación de la córnea a partir de secuencias de Corvis ST (CVS) y evaluar el rendimiento de la incrustación de estos datos biomecánicos con modelos de aprendizaje automático para distinguir el queratocono forme fruste (FFKC) de las córneas normales.