ニューラルネットワークモデルの弱視患者への補助装置フィッティングへの応用

Application of neural network model in assisting device fitting for low vision patients.

• Bingfa Dai
• Yang Yu
• Lijuan Huang
• Zhiyong Meng
• Liang Chen
• Hongxia Luo
• Ting Chen
• Xuelan Chen
• Wenwen Ye
• Yuyuan Yan
• Chi Cai
• Jianqing Zheng
• Jun Zhao
• Liquan Dong
• Jianmin Hu

抄録

背景にあるもの:

弱視患者の人工知能（AI）支援デバイスフィッティングにおけるニューラルネットワークモデルの応用を探る。

Background: To explore the application of neural network models in artificial intelligence (AI)-aided devices fitting for low vision patients.

方法:

2014年5月から2017年5月まで、福建省南西部で836人の視覚障害者のデータを収集した。全眼検査を行った後、このグループから629名の弱視者を抽出した。選ばれた患者の視覚機能、リハビリテーションの必要性、生活の質のスコアに基づいて、専門家は患者に最もフィットする支援装置を選択した。次に、これら3つの要因のデータを定量分析し、結果をデジタル化してラベルを付けた。最終的なデータセットは、完全に接続されたディープニューラルネットワークを訓練するために使用され、支援装置フィッティングのためのAI支援モデルが得られた。

Methods: The data of 836 visually impaired people were collected in southwestern Fujian from May 2014 to May 2017. After a full eye examination, 629 low vision patients were selected from this group. Based on the visual functions, rehabilitation needs, and living quality scores of the selected patients, the professionals chose assistive devices that were the best fit for the patients. The data of these three factors were then subjected to the quantitative analysis, and the results were digitized and labeled. The final datasets were used to train a fully connected deep neural networks to obtain an AI-aided model for assistive device fitting.

結果:

本研究では、福建省南西部の弱視の主な原因は先天性疾患であり、その中でも先天性白内障が最も多かった。弱視AI支援装置のフィッティングを行ったところ、中間距離拡大鏡が最も多くの患者に適していることがわかりました。研究結果を定量的に分析した結果、AI支援機器のフィッティングは、視覚機能、リハビリテーションの必要性、生活の質と密接に関連していることがわかりました。この複雑な関係をニューラルネットワークモデルにマッピングできれば、AI支援デバイスフィッティングが実現できる。私たちは、AI支援デバイスフィッティングのための完全に接続されたニューラルネットワークモデルを構築しました。モデルの入力は弱視患者の特性データであり、出力は適切なデバイスの予測である。モデルのしきい値を0.4としたとき、精度は約80％、F1値は約0.31であった。この閾値をモデルの分類判定閾値として用いることができる。

Results: In this study, the main causes of low vision in southwestern Fujian were congenital diseases, among which congenital cataract was the most common. During the low vision AI-aided devices fitting, we found that the intermediate distance magnifier was suitable for the largest number of patients. Through quantitative analysis of the research results, it was found that AI-aided devices fitting was closely related to visual function, rehabilitation needs and quality of life. If this complex relationship can be mapped into the neural network model, AI-aided device fitting can be realized. We built a fully connected neural network model for AI-aided device fitting. The input of the model was the characteristic data of low vision patients, and the output was the forecast of suitable devices. When the threshold of the model was 0.4, the accuracy was about 80% and the F1 value was about 0.31. This threshold can be used as the classification judgment threshold of the model.

結論:

低視力のAI支援デバイスフィッティングは、視覚機能、リハビリテーションの必要性、生活の質のスコアと密接に関係しています。フルコネクションに基づくニューラルネットワークモデルは、AI支援デバイスのフィッティングにおいて高い精度を達成することができます。臨床応用に大きな影響を与える。

Conclusions: Low vision AI-aided device fitting is closely related to visual function, rehabilitation needs, and quality of life scores. The neural network model based on full connection can achieve high accuracy in AI-aided devices fitting. It has a great impact on clinical application.

2020 Annals of Translational Medicine. All rights reserved.