基于时间感知深度学习的青少年近视预测
机器学习
2022-09-27 v1 人工智能
摘要
背景：基于青少年变长历史视力记录对其球镜等效屈光度进行定量预测。方法：2019年10月至2022年3月，我们检测了中国成都 37,586 名 6-20 岁青少年的 75,172 只眼的双眼裸眼视力、眼轴长度、角膜曲率和轴长。80% 样本组成训练集，其余 20% 组成测试集。采用时间感知长短期记忆网络（Time-Aware Long Short-Term Memory）对青少年两年半内的球镜等效屈光度进行定量预测。结果：测试集上球镜等效屈光度的平均绝对预测误差为 0.273-0.257，若考虑不同长度的历史记录与不同预测时长，误差范围为 0.189-0.160 至 0.596-0.473。结论：时间感知长短期记忆网络被用于捕捉不规则采样时间序列中的时间特征，其更符合真实数据特点从而具有更高适用性，并有助于更早识别近视进展。总体误差 0.273 远小于临床可接受预测的判据 0.75。
引用
@article{arxiv.2209.12546,
title = {Myopia prediction for adolescents via time-aware deep learning},
author = {Junjia Huang and Wei Ma and Rong Li and Na Zhao and Tao Zhou},
journal= {arXiv preprint arXiv:2209.12546},
year = {2022}
}
备注
9 pages, 3 figures, 3 tables