Efficacy of Smoothing Algorithms to Enhance Detection of Visual Field Progression in Glaucoma

To evaluate and compare the effectiveness of nearest neighbor (NN)- and variational autoencoder (VAE)-smoothing algorithms to reduce variability and enhance the performance of glaucoma visual field (VF) progression models. Longitudinal cohort study. 7150 eyes (4232 patients), with ≥ 5 years of follo...

Celý popis

Uložené v:

Podrobná bibliografia
Vydané v:	Ophthalmology science (Online) Ročník 4; číslo 2; s. 100423
Hlavní autori:	Mohammadzadeh, Vahid, Li, Leyan, Fei, Zhe, Davis, Tyler, Morales, Esteban, Wu, Kara, Lee Ma, Elise, Afifi, Abdelmonem, Nouri-Mahdavi, Kouros, Caprioli, Joseph
Médium:	Journal Article
Jazyk:	English
Vydavateľské údaje:	Netherlands Elsevier Inc 01.03.2024 Elsevier
Predmet:	Artificial intelligence Glaucoma progression Ophthalmology Original Variability Variational autoencoder Visual field Visual field noise NN TDP Variability Visual field Glaucoma progression Variational autoencoder DL PoPLR TD VF PLR VFI VAE mTD PER Artificial intelligence Visual field noise GRI Visual filed noise
ISSN:	2666-9145, 2666-9145
On-line prístup:	Získať plný text
Tagy:	Pridať tag Žiadne tagy, Buďte prvý, kto otaguje tento záznam!

Buďte prvý, kto okomentuje tento záznam!