基于神经网络预测儿童人工晶状体眼近视漂移的初步研究

2008年02月27日 《中华眼科杂志》-2007年43卷11期 -987-995页 医学空间（MEDcyber.com）2月27日消息，该项研究目的是训练和评价人工神经网络（ANN）用于预测儿童人工晶状体植入术后各年龄的屈光状态。采用的方法是连续收集2006年6月至10月在首都医科大学北京同仁眼科中心白内障中心复诊的人工晶状体植入术后患儿的临床资料，以符合条件的41例患儿（70只眼）为研究对象，回顾病史与检查、手术治疗经过及术后随访情况，记录人工晶状体植入术前双眼眼轴长度和角膜屈光力、术前预留度数、人工晶状体度数、单／双侧、白内障摘除及人工晶状体植入手术年龄、随访期末年龄及屈光度；将70只眼按照简单随机抽样法分为训练组和检测组，建立一个基于误差反向传播（BP）算法的ANN，训练组55只眼的临床数据训练该网络，调节网络的权重和阈值，检测组15只眼的临床数据输入训练好的网络获得对随访期末屈光度的预测结果，并与McClatchey等提出的对数回归法预测结果进行比较。实验结果，BP-ANN对检测组的仿真结果与目标输出之间的相关系数有统计学意义（r=0．603，P=0．017），仿真结果与目标输出之间无统计学差异（P=0．270）；BP-ANN与对数回归法之间预测误差（＋0．69D和＋1．03D）及误差的绝对值（1．34和1．98D）的差异均无统计学意义，两种方法之间比较预测误差的绝对值，P值接近0．05；两种预测方法均对近视漂移量估计不足，对数回归法偏离程度更大。由此得出结论，对儿童人工晶状体眼在各年龄屈光状态的预测BP-ANN优于对数回归法，BP-ANN可以做为预测儿童人工晶状体眼近视漂移的很好工具。