دانلود مقاله انگلیسی رایگان:عوامل تعیین کننده عملکردهای مخروطی و میله ای در آتروفی جغرافیایی: همبستگی عملکردی مبتنی بر هوش مصنوعی - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure- Function Correlation Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure- Function Correlation
    Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure- Function Correlation

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Determinants of Cone and Rod Functions in Geographic Atrophy: AI-Based Structure- Function Correlation


    ترجمه فارسی عنوان مقاله:

    عوامل تعیین کننده عملکردهای مخروطی و میله ای در آتروفی جغرافیایی: همبستگی عملکردی مبتنی بر هوش مصنوعی


    منبع:

    Sciencedirect - Elsevier - American Journal of Ophthalmology, 217 (2020) 162-173. doi:10.1016/j.ajo.2020.04.003


    نویسنده:

    MAXIMILIAN PFAU, LEON VON DER EMDE, CHANTAL DYSLI, PHILIPP T. MO¨ LLER, SARAH THIELE, MORITZ LINDNER, MATTHIAS SCHMID, DANIEL L. RUBIN, MONIKA FLECKENSTEIN, FRANK G. HOLZ, AND STEFFEN SCHMITZ-VALCKENBERG


    چکیده انگلیسی:

     PURPOSE: To investigate the association between retinal microstructure and cone and rod function in geographic atrophy (GA) secondary to age-related macular degeneration (AMD) by using artificial intelligence (AI) algorithms.  DESIGN: Prospective, observational case series.  METHODS: A total of 41 eyes of 41 patients (75.8 ± 8.4 years old; 22 females) from a tertiary referral hospital were included. Mesopic, dark-adapted (DA) cyan and red sensitivities were assessed by using funduscontrolled perimetry (‘‘microperimetry’’); and retinal microstructure was assessed by using spectral-domain optical- coherence-tomography (SD-OCT), fundus autofluorescence (FAF), and near-infrared-reflectance (IR) imaging. Layer thicknesses and intensities and FAF and IR intensities were extracted for each test point. The cross-validated mean absolute error (MAE) was evaluated for random forest-based predictions of retinal sensitivity with and without patient-specific training data and percentage of increased mean-squared error (%IncMSE) as measurement of feature importance.  RESULTS: Retinal sensitivity was predicted with a MAE of 4.64 dB for mesopic, 4.89 dB for DA cyan, and 4.40 dB for DA red testing in the absence of patient-specific data. Partial addition of patient-specific.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 1508 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi