Onderzoek naar het potentieel van diepgaand leren bij proptosisdetectie
Samenvatting
Het vakgebied oogheelkunde heeft de afgelopen jaren aanzienlijke vooruitgang geboekt, dankzij de integratie van deep learning-algoritmen in toepassingen in de gezondheidszorg. In dit artikel zullen we de evolutie onderzoeken van een project genaamd Eye Metrics, ontwikkeld door AI Superior, dat de positionering van de oogleden nauwkeurig beoordeelt en afwijkingen identificeert die verband houden met proptosis, terwijl het een efficiënte ooggezondheidsanalyse-ervaring biedt voor professionals in de gezondheidszorg.
Uitdaging
De eerste uitdaging waarmee AI Superior werd geconfronteerd, was het ontwikkelen van een applicatie die de positionering van de oogleden nauwkeurig kon beoordelen en afwijkingen kon identificeren die verband hielden met proptosis, een aandoening die wordt gekenmerkt door de voorwaartse verplaatsing van het oog. Om dit te kunnen doen, was deze applicatie nodig bereken belangrijke statistieken die relevant zijn voor het oftalmologische domein. Deze meetgegevens omvatten Margin Reflex Distance 1 (MRD1) en Margin Reflex Distance 2 (MRD2), die respectievelijk de afstand van het midden van de pupil tot de bovenste en onderste ooglidrand meten. Wenkbrauwhoogte, die de afstand tussen het midden van de pupil en de wenkbrauw bepaalt. Proptosis-afstand, die de afstand meet tussen het midden van de pupil en het bot van de baan aan de laterale zijde en oogbewegingsafstanden in verschillende richtingen. Door deze metingen nauwkeurig te berekenen, kan de applicatie de positionering van het ooglid helpen beoordelen en eventuele afwijkingen identificeren, wat cruciaal is bij het identificeren en monitoren van proptosis.
Oplossing van AI Superior
Om deze uitdaging aan te gaan, heeft AI Superior gebruik gemaakt van geavanceerde technologie diepgaande leeralgoritmen om Eye Metrics te creëren, een platformonafhankelijke webapplicatie die toegankelijk is op mobiele apparaten (iOS en Android) en op desktop- en laptopbrowsers. Met Eye Metrics konden gebruikers, voornamelijk patiënten, gezichtsbeelden vastleggen en belangrijke statistieken berekenen die relevant zijn voor het oftalmologische domein. Bovendien kon Eye Metrics zijn voorspellende modellen voortdurend verbeteren door nieuwe trainingsvoorbeelden op te nemen.
Voortbouwend op het succes van Eye Metrics heeft AI Superior de toepassing verbeterd door extra functionaliteiten voor oogchirurgische beoordeling te introduceren. Deze functionaliteiten waren bedoeld om beroepsbeoefenaren in de gezondheidszorg een uitgebreidere en efficiëntere ooggezondheidsanalyse-ervaring te bieden. De verbeterde versie bevatte twee belangrijke functies: batch-uploads en live video-opnames. Dankzij de batch-uploadfunctie konden gebruikers een reeks afbeeldingen uploaden die voor en na de operatie waren gemaakt. Deze beelden werden vervolgens geanalyseerd om de delta tussen LAB-waarden van de sclera te identificeren. Deze geautomatiseerde vergelijking van beeldgegevens stroomlijnde het analyseproces, waardoor kostbare tijd werd bespaard en de efficiëntie voor artsen werd vergroot. Bovendien bevatte deze nieuwe versie ook een live video-opnamefunctie waarmee gebruikers videobeelden konden opnemen en vervolgens de delta tussen LAB-waarden konden schatten over een bepaald tijdsinterval, doorgaans 1-5 minuten.
Resultaat en implicaties
Eye Metrics staat klaar om de manier te veranderen waarop patiënten en professionals in de gezondheidszorg oogheelkundige beoordelingen benaderen. Met zijn gebruiksvriendelijke interface en een model dat beter presteert dan de gezichtsmesh-detectie van Google, helpt deze applicatie zorgprofessionals bij het identificeren van proptosis en stelt patiënten in staat een proactieve rol te spelen bij het monitoren van hun ooggezondheid
Dutch 
English 
German 
Arabic 
French 
Spanish