Harvard Ophthalmology AI Lab, Schepens Eye Research Institute of Massachusetts Eye and Ear, Harvard Medical School, Boston, MA, USA.
Massachusetts Eye and Ear, Harvard Medical School, Boston, MA, USA.
Transl Vis Sci Technol. 2024 Aug 1;13(8):11. doi: 10.1167/tvst.13.8.11.
To predict 10-2 Humphrey visual fields (VFs) from 24-2 VFs and associated non-total deviation features using deep learning.
We included 5189 reliable 24-2 and 10-2 VF pairs from 2236 patients, and 28,409 reliable pairs of macular OCT scans and 24-2 VF from 19,527 eyes of 11,560 patients. We developed a transformer-based deep learning model using 52 total deviation values and nine VF test features to predict 68 10-2 total deviation values. The mean absolute error, root mean square error, and the R2 were evaluation metrics. We further evaluated whether the predicted 10-2 VFs can improve the structure-function relationship between macular thinning and paracentral VF loss in glaucoma.
The average mean absolute error and R2 for 68 10-2 VF test points were 3.30 ± 0.52 dB and 0.70 ± 0.11, respectively. The accuracy was lower in the inferior temporal region. The model placed greater emphasis on 24-2 VF points near the central fixation point when predicting the 10-2 VFs. The inclusion of nine VF test features improved the mean absolute error and R2 up to 0.17 ± 0.06 dB and 0.01 ± 0.01, respectively. Age was the most important 24-2 VF test parameter for 10-2 VF prediction. The predicted 10-2 VFs achieved an improved structure-function relationship between macular thinning and paracentral VF loss, with the R2 at the central 4, 12, and 16 locations of 24-2 VFs increased by 0.04, 0.05 and 0.05, respectively (P < 0.001).
The 10-2 VFs may be predicted from 24-2 data.
The predicted 10-2 VF has the potential to improve glaucoma diagnosis.
使用深度学习技术从 24-2 视野（VF）预测 10-2 Humphrey VF 及相关非全偏差特征。
我们纳入了 2236 例患者的 5189 对可靠的 24-2 和 10-2VF 以及 19527 只眼 11560 例患者的 28409 对可靠的黄斑 OCT 扫描和 24-2VF 。我们开发了一个基于变压器的深度学习模型，使用 52 个全偏差值和 9 个 VF 测试特征来预测 68 个 10-2 全偏差值。平均绝对误差、均方根误差和 R2 是评估指标。我们进一步评估了预测的 10-2VF 是否可以改善青光眼患者黄斑变薄与旁中心 VF 损失之间的结构-功能关系。
68 个 10-2VF 测试点的平均绝对误差和 R2 分别为 3.30 ± 0.52dB 和 0.70 ± 0.11。在下颞区的准确率较低。在预测 10-2VF 时，模型更关注 24-2VF 中央注视点附近的 VF 点。纳入 9 个 VF 测试特征可将平均绝对误差和 R2 提高至 0.17 ± 0.06dB 和 0.01 ± 0.01，分别提高 0.17 ± 0.06dB 和 0.01 ± 0.01。年龄是预测 10-2VF 的最重要的 24-2VF 测试参数。预测的 10-2VF 改善了黄斑变薄与旁中心 VF 损失之间的结构-功能关系，中央 4、12 和 16 位置的 24-2VF 的 R2 分别提高了 0.04、0.05 和 0.05（P < 0.001）。
10-2VF 可能从 24-2 数据中预测得到。
这段英文原文的医学专业性很强，术语较多，句式也比较复杂，在翻译时，我根据中文的行文习惯和表达方法对句子进行了灵活处理，以确保译文流畅、自然。
