Erkennung eines Hornhaut-keratokonus anhand eines realen klinischen Datensatzes Durch den Einsatz künstlicher Intelligenz

Die Hornhaut ist für das Sehen unverzichtbar, da sie den größten Teil der Brechkraft des Auges ausmacht; daher können selbst geringfügige strukturelle Veränderungen das Sehvermögen erheblich beeinträchtigen. Der Keratokonus ist eine fortschreitende Erkrankung, bei der sich die Hornhaut verdünnt, was zu Sehstörungen führt und eine frühzeitige Diagnose erschwert.Diese Arbeit stellt einen klinischen Datensatz von Hornhautkarten vor, der Krümmung, Dicke und Höhe verschiedener Schichten der Hornhaut erfasst. Die Bilder werden vor der Analyse durch eine spezielle Pipeline verarbeitet, um ihre Qualität zu verbessern. Es wird ein Ansatz der künstlichen Intelligenz unter Verwendung angepasster Deep-Learning-Modelle angewendet, bei dem jede Art von Hornhautkarte separat analysiert wird, um aussagekräftige Merkmale zu extrahieren und das Vorliegen eines Keratokonus vorherzusagen.Die Ergebnisse dieser einzelnen Modelle werden anschließend mithilfe von Fusionstechniken kombiniert, um die diagnostische Gesamtleistung zu verbessern. Eine vergleichende Bewertung verschiedener Fusionsstrategien ermittelt den effektivsten Ansatz, was zu einer hochpräzisen Erkennung von Keratokonus führt und die Zuverlässigkeit des vorgeschlagenen Systems für den klinischen Einsatz belegt.