利用时空边界检测方法通过视野数据诊断青光眼进展
应用统计
2018-05-31 v1
摘要
诊断青光眼进展对于限制不可逆视力丧失至关重要。评估青光眼进展的常用方法使用在规律间隔获取的纵向视野（VF）序列。由于数据生成过程与眼部解剖结构，VF 数据具有复杂的时空结构。因此，需要先进的统计方法以对进展状态作出临床判定。我们引入了一种时空边界检测模型，使视盘的基础解剖结构决定 VF 数据随时间的空间结构。我们表明，我们的新方法提供了对视力丧失的新见解，利用来自青光眼静脉搏动研究试验与莱昂眼科研究所试验登记处的数据改进了青光眼进展的诊断。文中给出了模拟，显示所提方法优于现有的 VF 数据空间方法。本文的补充材料可在线获取，该方法已在 R 包 womblR 中实现。
引用
@article{arxiv.1805.11636,
title = {Diagnosing Glaucoma Progression with Visual Field Data Using a Spatiotemporal Boundary Detection Method},
author = {Samuel I. Berchuck and Jean-Claude Mwanza and Joshua L. Warren},
journal= {arXiv preprint arXiv:1805.11636},
year = {2018}
}
备注
This is a preprint of an article submitted for publication in the Journal of the American Statistical Association (https://www.tandfonline.com/toc/uasa20/current). The article contains 35 pages, 4 figures and 3 tables