• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

PyVisualFields：用于视野分析的 Python 包。

PyVisualFields: A Python Package for Visual Field Analysis.

机构信息

Harvard Ophthalmology AI Lab, Schepens Eye Research Institute of Massachusetts Eye and Ear, Harvard Medical School, Boston, MA, USA.

Massachusetts Eye and Ear Infirmary, Harvard Medical School, Boston, MA, USA.

出版信息

Transl Vis Sci Technol. 2023 Feb 1;12(2):6. doi: 10.1167/tvst.12.2.6.

DOI:10.1167/tvst.12.2.6
PMID:36745440
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9910386/
Abstract

PURPOSE

Artificial intelligence (AI) methods are changing all areas of research and have a variety of capabilities of analysis in ophthalmology, specifically in visual fields (VFs) to detect or predict vision loss progression. Whereas most of the AI algorithms are implemented in Python language, which offers numerous open-source functions and algorithms, the majority of algorithms in VF analysis are offered in the R language. This paper introduces PyVisualFields, a developed package to address this gap and make available VF analysis in the Python language.

METHODS

For the first version, the R libraries for VF analysis provided by vfprogression and visualFields packages are analyzed to define the overlaps and distinct functions. Then, we defined and translated this functionality into Python with the help of the wrapper library rpy2. Besides maintaining, the subsequent versions' milestones are established, and the third version will be R-independent.

RESULTS

The developed Python package is available as open-source software via the GitHub repository and is ready to be installed from PyPI. Several Jupyter notebooks are prepared to demonstrate and describe the capabilities of the PyVisualFields package in the categories of data presentation, normalization and deviation analysis, plotting, scoring, and progression analysis.

CONCLUSIONS

We developed a Python package and demonstrated its functionality for VF analysis and facilitating ophthalmic research in VF statistical analysis, illustration, and progression prediction.

TRANSLATIONAL RELEVANCE

Using this software package, researchers working on VF analysis can more quickly create algorithms for clinical applications using cutting-edge AI techniques.

摘要

目的

人工智能（AI）方法正在改变各个研究领域，并在眼科领域具有多种分析能力，特别是在视野（VF）中，用于检测或预测视力丧失的进展。虽然大多数 AI 算法是用提供了众多开源功能和算法的 Python 语言实现的，但 VF 分析中的大多数算法是用 R 语言提供的。本文介绍了 PyVisualFields，这是一个开发的软件包，旨在填补这一空白，并在 Python 语言中提供 VF 分析功能。

方法

对于第一个版本，我们分析了 vfprogression 和 visualFields 包提供的用于 VF 分析的 R 库，以确定重叠和独特的功能。然后，我们借助 rpy2 封装库定义并翻译了此功能。除了维护之外，还确定了后续版本的里程碑，第三个版本将不再依赖于 R。

结果

开发的 Python 包可通过 GitHub 存储库作为开源软件使用，并可通过 PyPI 进行安装。我们准备了几个 Jupyter 笔记本，以演示和描述 PyVisualFields 包在数据呈现、归一化和偏差分析、绘图、评分和进展分析等类别中的功能。

结论

我们开发了一个 Python 包，并演示了它在 VF 分析中的功能，为 VF 统计分析、说明和进展预测中的眼科研究提供了便利。

翻译

机器翻译

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/43a3831abbbd/tvst-12-2-6-f006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/e4e92aaf0c9e/tvst-12-2-6-f001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/76f5820fd0da/tvst-12-2-6-f002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/30b0698aa134/tvst-12-2-6-f003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/9fb9c9f64869/tvst-12-2-6-f004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/48dbe18b58ce/tvst-12-2-6-f005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/43a3831abbbd/tvst-12-2-6-f006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/e4e92aaf0c9e/tvst-12-2-6-f001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/76f5820fd0da/tvst-12-2-6-f002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/30b0698aa134/tvst-12-2-6-f003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/9fb9c9f64869/tvst-12-2-6-f004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/48dbe18b58ce/tvst-12-2-6-f005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/110a/9910386/43a3831abbbd/tvst-12-2-6-f006.jpg

相似文献

1
PyVisualFields: A Python Package for Visual Field Analysis.PyVisualFields：用于视野分析的 Python 包。
Transl Vis Sci Technol. 2023 Feb 1;12(2):6. doi: 10.1167/tvst.12.2.6.
2
An intuitive Python interface for Bioconductor libraries demonstrates the utility of language translators.用于 Bioconductor 库的直观 Python 接口展示了语言翻译器的实用性。
BMC Bioinformatics. 2010 Dec 21;11 Suppl 12(Suppl 12):S11. doi: 10.1186/1471-2105-11-S12-S11.
3
plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style.plotnineSeqSuite：一个使用 ggplot2 风格可视化序列数据的 Python 包。
BMC Genomics. 2023 Oct 3;24(1):585. doi: 10.1186/s12864-023-09677-8.
4
The visualFields package: a tool for analysis and visualization of visual fields.视野包：一种用于视野分析和可视化的工具。
J Vis. 2013 Mar 14;13(4):10. doi: 10.1167/13.4.10.
5
NeuroPycon: An open-source python toolbox for fast multi-modal and reproducible brain connectivity pipelines.NeuroPycon：一个开源的 Python 工具包，用于快速进行多模态和可重复的脑连接管道。
Neuroimage. 2020 Oct 1;219:117020. doi: 10.1016/j.neuroimage.2020.117020. Epub 2020 Jun 6.
6
JBrowse Jupyter: a Python interface to JBrowse 2.JBrowse Jupyter：JBrowse 2 的 Python 接口。
Bioinformatics. 2023 Jan 1;39(1). doi: 10.1093/bioinformatics/btad032.
7
AlphaPeptStats: an open-source Python package for automated and scalable statistical analysis of mass spectrometry-based proteomics.AlphaPeptStats：一个用于基于质谱的蛋白质组学的自动化和可扩展的统计分析的开源 Python 包。
Bioinformatics. 2023 Aug 1;39(8). doi: 10.1093/bioinformatics/btad461.
8
Pygenprop: a Python library for programmatic exploration and comparison of organism genome properties.Pygenprop：一个用于程序化探索和比较生物基因组属性的 Python 库。
Bioinformatics. 2019 Dec 1;35(23):5063-5065. doi: 10.1093/bioinformatics/btz522.
9
Assessing Glaucoma Progression Using Machine Learning Trained on Longitudinal Visual Field and Clinical Data.利用基于纵向视野和临床数据的机器学习评估青光眼进展。
Ophthalmology. 2021 Jul;128(7):1016-1026. doi: 10.1016/j.ophtha.2020.12.020. Epub 2020 Dec 25.
10
Oktoberfest: Open-source spectral library generation and rescoring pipeline based on Prosit.慕尼黑啤酒节：基于 Prosit 的开源光谱库生成和重评分管道。
Proteomics. 2024 Apr;24(8):e2300112. doi: 10.1002/pmic.202300112. Epub 2023 Sep 6.

引用本文的文献

1
PyGlaucoMetrics: A Stacked Weight-Based Machine Learning Approach for Glaucoma Detection Using Visual Field Data.PyGlaucoMetrics：一种基于堆叠权重的机器学习方法，用于使用视野数据检测青光眼。
Medicina (Kaunas). 2025 Mar 20;61(3):541. doi: 10.3390/medicina61030541.

本文引用的文献

1
Visual Field Prediction: Evaluating the Clinical Relevance of Deep Learning Models.视野预测：评估深度学习模型的临床相关性
Ophthalmol Sci. 2022 Sep 13;3(1):100222. doi: 10.1016/j.xops.2022.100222. eCollection 2023 Mar.
2
Development and Validation of Automated Visual Field Report Extraction Platform Using Computer Vision Tools.使用计算机视觉工具开发和验证自动视野报告提取平台
Front Med (Lausanne). 2021 Apr 29;8:625487. doi: 10.3389/fmed.2021.625487. eCollection 2021.
3
A Depth-Dependent Integrated VF Simulation for Analysis and Visualization of Glaucomatous VF Defects.
用于分析和可视化青光眼视野缺损的深度相关综合 VF 模拟。
Transl Vis Sci Technol. 2020 Feb 12;9(3):8. doi: 10.1167/tvst.9.3.8.
4
Deep Learning Approaches Predict Glaucomatous Visual Field Damage from OCT Optic Nerve Head En Face Images and Retinal Nerve Fiber Layer Thickness Maps.深度学习方法可根据 OCT 视神经头截面图像和视网膜神经纤维层厚度图预测青光眼的视野损伤。
Ophthalmology. 2020 Mar;127(3):346-356. doi: 10.1016/j.ophtha.2019.09.036. Epub 2019 Sep 30.
5
A spatially varying change points model for monitoring glaucoma progression using visual field data.一种使用视野数据监测青光眼进展的空间变化型变点模型。
Spat Stat. 2019 Apr;30:1-26. doi: 10.1016/j.spasta.2019.02.001. Epub 2019 Feb 22.
6
The Evolving Role of the Relationship between Optic Nerve Structure and Function in Glaucoma.视神经结构与功能在青光眼的关系的演变角色。
Ophthalmology. 2017 Dec;124(12S):S66-S70. doi: 10.1016/j.ophtha.2017.05.006.
7
The visualFields package: a tool for analysis and visualization of visual fields.视野包：一种用于视野分析和可视化的工具。
J Vis. 2013 Mar 14;13(4):10. doi: 10.1167/13.4.10.
8
Comparison of mean deviation with AGIS and CIGTS scores in association with structural parameters in glaucomatous eyes.青光眼患者眼中平均偏差与AGIS和CIGTS评分及结构参数的比较。
J Glaucoma. 2009 Jun-Jul;18(5):379-84. doi: 10.1097/IJG.0b013e3181879e75.
9
On automation of perimetry.关于视野检查的自动化
Albrecht Von Graefes Arch Klin Exp Ophthalmol. 1972;184(2):126-50. doi: 10.1007/BF02390260.