典型文献
基于多层感知器神经网络的小切口角膜基质透镜取出手术辅助诊断研究
文献摘要：
目的:通过分析厂家提供的计算小切口角膜基质透镜取出(SMILE)手术角膜切削厚度值参考的标准数据及患者历史临床数据,构建多层感知器(MLP)神经网络模型,用于全飞秒SMILE手术角膜切削厚度的精准预测.方法:对医院SMILE手术共计1127例临床患者数据进行仿真验证,构建MLP神经网络模型,由球镜度数、柱镜度数、角膜曲率和微透镜直径4个影响因素组成输入向量,角膜切削厚度作为输出向量,将神经网络模型进行训练并保存,用于角膜切削厚度的预测.结果:仿真试验表明,多元线性回归方法计算的平均绝对误差(MAE)为5.791,均方误差(MSE)为60.966;MLP神经网络方法计算的平均绝对误差(MAE)为0.491,均方误差(MSE)为0.554,因此使用MLP神经网络效果更优.结论:构建的MLP神经网络模型实现了角膜切削厚度与其影响因素之间的非线性关系描述,MLP神经网络训练完成后可用于眼科诊疗过程中角膜切削厚度的快速计算,实现全飞秒SMILE手术预诊断功能,提高诊疗效率.
文献关键词：
多层感知器(MLP);小切口角膜基质透镜取出(SMILE);角膜切削厚度;回归预测
中图分类号：
作者姓名：
汤福南;张可;竺明月;杨春花;张晖;汪缨;袁冬青
作者机构：
南京医科大学第一附属医院(江苏省人民医院)临床医学工程处 江苏 南京 210029;南京医科大学第一附属医院眼科 江苏 南京 210029
文献出处：
引用格式：
[1]汤福南;张可;竺明月;杨春花;张晖;汪缨;袁冬青-.基于多层感知器神经网络的小切口角膜基质透镜取出手术辅助诊断研究)[J].中国医学装备,2022(09):1-5
A类：
角膜切削厚度
B类：
多层感知器神经网络,小切口角膜基质透镜取出,出手,手术辅助,辅助诊断,诊断研究,厂家,SMILE,值参,临床数据,MLP,飞秒,精准预测,患者数据,仿真验证,球镜度,柱镜,角膜曲率,曲率和,微透镜,仿真试验,平均绝对误差,MAE,均方误差,MSE,神经网络方法,模型实现,非线性关系,神经网络训练,眼科,快速计算,预诊断,诊疗效率,回归预测
AB值：
0.205506
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
