Your browser doesn't support javascript.
loading
Neural networks and statistical analysis for classification of corneal videokeratography maps based on Zernike coefficients: a quantitative comparison / Redes neurais e análise estatística para classificação de mapas topográficos da córnea baseados em coeficientes de Zernike: uma comparação quantitativa
Carvalho, Luis Alberto Vieira de; Barbosa, Marconi Soares.
  • Carvalho, Luis Alberto Vieira de; Universidade de São Paulo. Instituto de Física de São Carlos. São Carlos. BR
  • Barbosa, Marconi Soares; Universidade de São Paulo. Instituto de Física de São Carlos. São Carlos. BR
Arq. bras. oftalmol ; 71(3): 337-341, maio-jun. 2008. ilus, tab
Artigo em Inglês | LILACS | ID: lil-486108
ABSTRACT

PURPOSE:

The main goal of this study was to develop and compare two different techniques for classification of specific types of corneal shapes when Zernike coefficients are used as inputs. A feed-forward artificial Neural Network (NN) and discriminant analysis (DA) techniques were used.

METHODS:

The inputs both for the NN and DA were the first 15 standard Zernike coefficients for 80 previously classified corneal elevation data files from an Eyesys System 2000 Videokeratograph (VK), installed at the Departamento de Oftalmologia of the Escola Paulista de Medicina, São Paulo. The NN had 5 output neurons which were associated with 5 typical corneal shapes keratoconus, with-the-rule astigmatism, against-the-rule astigmatism, "regular" or "normal" shape and post-PRK.

RESULTS:

The NN and DA responses were statistically analyzed in terms of precision ([true positive+true negative]/total number of cases). Mean overall results for all cases for the NN and DA techniques were, respectively, 94 percent and 84.8 percent.

CONCLUSION:

Although we used a relatively small database, results obtained in the present study indicate that Zernike polynomials as descriptors of corneal shape may be a reliable parameter as input data for diagnostic automation of VK maps, using either NN or DA.
RESUMO

OBJETIVOS:

Nosso principal objetivo neste trabalho foi de desenvolver e comparar duas técnicas diferentes para classificação de superfícies corneanas. Uma rede neural artificial alimentada adiante e análise descriminante foram as técnicas de classificação comparadas neste trabalho.

MÉTODOS:

As entradas para ambos os métodos de classificação foram os primeiros 15 coeficientes de Zernike para 80 córneas mensuradas anteriormente em um topógrafo Eyesys instalado no Departamento de Oftalmologia da Escola Paulista de Medicina - UNIFESP. A rede neural tem 5 saídas que foram associados aos cinco casos típicos contidos na base de dados ceratocone, astigmatismo a favor da regra, astigmatismo contra a regra, formato "regular" ou "normal" e pós-PRK.

RESULTADOS:

Os resultados de ambos os métodos foram estatisticamente analisados em termos de precisão. Os resultados gerais para ambos os métodos de redes neurais e análise discriminante foram 94 por cento e 84,8 por cento, respectivamente.

CONCLUSÃO:

Embora tenha-se utilizado uma base de dados relativamente pequena, os resultados obtidos aqui indicam que os polinômios de Zernike podem ser um parâmetro de entrada para classificação de diferentes formatos de córnea, tanto para uso com redes neurais ou análise discriminante.
Assuntos

Texto completo: DisponíveL Índice: LILACS (Américas) Assunto principal: Algoritmos / Redes Neurais de Computação / Topografia da Córnea Tipo de estudo: Estudo prognóstico Limite: Humanos Idioma: Inglês Revista: Arq. bras. oftalmol Assunto da revista: Oftalmologia Ano de publicação: 2008 Tipo de documento: Artigo País de afiliação: Brasil Instituição/País de afiliação: Universidade de São Paulo/BR

Similares

MEDLINE

...
LILACS

LIS

Texto completo: DisponíveL Índice: LILACS (Américas) Assunto principal: Algoritmos / Redes Neurais de Computação / Topografia da Córnea Tipo de estudo: Estudo prognóstico Limite: Humanos Idioma: Inglês Revista: Arq. bras. oftalmol Assunto da revista: Oftalmologia Ano de publicação: 2008 Tipo de documento: Artigo País de afiliação: Brasil Instituição/País de afiliação: Universidade de São Paulo/BR