|
목적 : 백내장 수술 전 전안부 이미지와 기계학습 알고리즘을 활용한 인공수정체 도수 계산 공식의 효용성을 알아보고자 한다.
방법 : 수술 전 안축장은 부분간섭결합계 (IOLMaster, Zeiss)를 통해 측정하였으며, 샤임플러그 회전형 사진기 (Pentacam, Oculus)를 통해 전안부 이미지를 얻어냈다. 총 150 안에서 1가지 종류의 인공수정체(ZCB00, J & J) 를 삽입하였다. Feed-forward Neural Network (FNN), Random Forest (RF), K-Nearest Neighbor (KNN), Support Vector Machine (SVM) 4 가지 방법을 이용하여 111안의 안축장과 샤임플러그 이미지, 유효인공수정체 위치를 학습을 한 후 나머지 39안에서 테스트를 시행하였다. 기존의 공식들과 4 가지 기계학습 방법으로 예측한 유효인공수정체 위치 오차, Mean error, Mean absolute errors, Median absolute error를 비교하였다.
결과 : Haigis 공식에서 측정된 유효인공수정체위치 예측 오차는0.00 ± 0.30mm였으며, 4 가지 기계학습 방법으로 예측된 예측 오차는 FNN 방법의 경우0.00 ± 0.25mm, RF 방법의 경우0.00 ± 0.27mm, KNN 방법의 경우0.00 ± 0.26mm, SVM 방법의 경우0.00 ± 0.26mm 로 FNN 방법의 기계학습이 높은 정확도를 보였다. FNN 방법의 기계학습을 통한 알고리즘은 Mean prediction error의 표준편차 또한 가장 작았으며, (0.00 ± 0.28디옵터) Mean absolute error 및 Median absolute error 가장 낮은 값을 나타냈다. (0.29 ± 0.20디옵터 ; 0.24디옵터)
결론 : 수술 전의 전안부 이미지를 바탕으로 기계 학습 방법을 통해 구현된 새로운 인공수정체 도수 계산 공식은 유효 인공수정체 위치의 예측에 있어 우수한 결과를 나타냈으며, 수술 후 굴절 오차를 줄이는데도 효과를 보였다.
|