返回
A Hybrid Deep Learning–Based Approach for Visual Field Test Forecasting
DOI:10.1016/j.xops.2025.100803.png)
摘要
En 中文
视敏度(VF)测试的纵向评估对于青光眼管理至关重要。传统的VF预测方法需要大量先前的测试,而深度学习技术已在较少测试的情况下显示出有前景的结果。本研究引入了一种混合深度学习框架,以增强VF测试预测的灵活性和准确性。
Keyword:
Pointwise visual field forecasting
Glaucoma progression prediction
Deep learning
Hybrid architecture
Spatial and temporal modeling
CNN
convolutional neural network
dB
decibels
FL
fixation loss
FNR
false-negative rate
MAE
mean absolute error
MD
mean deviation
RNN
recurrent neural network
VF
visual field
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
1.2K
被引数:
1.6K
机构
引用论文
Predicting glaucoma progression using deep learning framework guided by generative algorithm
SCIENTIFIC REPORTS
IF3.9

