#多模态机器学习

多模态机器学习预测SMILE术后小有效光学区

该研究旨在开发并验证一种基于多模态机器学习的系统，以术前预测小切口角膜透镜取出术（SMILE）后的有效光学区（EOZ）直径小于5.5毫米的情况。研究纳入了1030只眼的数据，包括术前参数、前角膜曲率图和手术视频帧，并将其分为训练集、验证集和测试集。研究结果显示，结合前角膜曲率图和术前参数的AACM-PP模型在主要验证集中的AUROC为0.897，宏观F1得分为0.823，优于仅使用参数或图像的模型。该模型在内部和外部测试集中也表现出色，表明其具有良好的泛化能力，能够支持术前决策。这一发现有助于个性化手术规划，并帮助管理患者对术后视觉质量的期望。