TY -的A2 Sasaoka Toshiyasu盟——张,应非盟——徐Fabao AU -林,Zhenzhe AU -王,加威盟——黄、赵盟——魏,分盟,翟渭滨AU -李,健桥PY - 2022 DA - 2022/04/19 TI -预测视力后vegf治疗糖尿病黄斑水肿的机器学习SP - 5779210六世- 2022 AB - 目的。预测视力(VA) 1月后anti-vascular内皮生长因子(VEGF)治疗糖尿病黄斑水肿患者通过使用机器学习(测距装置)。 方法。这项回顾性研究包括281名眼睛测距装置接受intravitreal vegf治疗从1月1日,2019年,2021年4月1日。十八特性从10月电子医疗记录和测量数据提取图像。获得的数据从2019年1月1日,11月1日,2020年,被用作训练集;获得的数据从2020年11月1日,4月1日,2021年,作为验证集。六个不同的机器学习算法被用来预测VA患者vegf治疗后。最初的详细调查后,我们设计了一个方便的应用程序的优化模型。机器学习与预测的VA地面真理。 结果。整体算法(线性回归+随机森林回归量)和VA方差中表现最好的预测。验证设置,VA预测的平均绝对误差(梅斯)是0.137 - -0.153 logMAR(在7 - 8字母)和均方误差(为了)0.033 - -0.045 logMAR月VA(在2 - 3个字母)预测,分别。弗吉尼亚州的预测方差为1月,梅斯是0.164 - -0.169 logMAR(9封),和为了0.056 - -0.059 logMAR(在三个字母),分别。 结论。我们的机器学习模型可以准确预测和VA方差测距装置患者接受抗血管治疗1个月后,这将是更有价值的指导精确的个性化的干预和管理预期在临床实践中。SN - 2314 - 6745 UR - https://doi.org/10.1155/2022/5779210 - 10.1155 / 2022/5779210摩根富林明糖尿病研究杂志》的PB - Hindawi KW - ER