Background This study assesses the reliability of successive corneal biomechanical response measurements by the Corneal Visualization Scheimpflug Technology (CST, Corvis ST®, Oculus Optikgeräte, Wetzlar, Germany) in different keratoconus (KC) stages. Methods A total of 173 eyes (15 controls: 15 eyes, and 112 KC patients: stages 1|1–2|2|2–3|3|3–4|4, n = 26|16|36|18|31|26|5 according to Topographical KC Classification, TKC) were repeatedly examined five times with the CST, each after repositioning the patient’s head and re‐adjusting the device. Tomographical analysis (Pentacam HR®; Oculus, Wetzlar, Germany) was performed once before and once after CST measurements. Outcome measures included (1) A1 velocity, (2) deformation amplitude (DA) ratio 2 mm, (3) integrated radius, (4) stiffness parameter A1 and (5) Ambrósio relational thickness to the horizontal profile (ARTh). The Corvis Biomechanical Index (CBI) is reported to be extracted out of these parameters. Mean values of the five measurements and Cronbach’s α were calculated as a measure for reliability. Results Ambrósio relational thickness to the horizontal profile and SPA1 were significantly higher in controls (534|123) compared to TKC1 (384|88), TKC2 (232|66), TKC3 (152|55) and TKC4 (71|27; p < 0.0001). The other parameters were similar in controls and TKC1 (A1 velocity: 0.148|0.151 m/s; integrated radius: 8.2|8.6 mm−1), but significantly higher in TKC stages 2 to 4 (DA ratio 2 mm: 5.5|6.3|8.0; A1 velocity: 0.173|0.174|0.186 m/second; integrated radius: 10.9|12.8|19.0 mm−1; p < 0.0001). All parameters proved to be highly reliable (Cronbach’s α ≥ 0.834) and the corneal tomography remained unaffected. Conclusions The individual parameters included in the CBI (consisting of ARTh, SPA1, DA ratio 2 mm, A1 velocity and integrated radius) are highly reliable but differ KC stage‐dependently.
Zusammenfassung Hintergrund und Zielsetzung In den vergangenen Jahren wurden zunehmend Systeme der künstlichen Intelligenz in der Medizin etabliert, die Pathologien oder Erkrankungen erkennen oder von komplementären Erkrankungen abgrenzen. Bisher liefert das Corvis®ST (Corneal Visualization Scheimpflug Technology, Oculus, Wetzlar, Deutschland) einen Index-CBI, der quasi binär Keratokonus klassifiziert, aber kein Staging zulässt. Ziel der Studie ist es, anhand von Messgrößen des Corvis®ST ein Vorhersagemodell zu entwerfen, das den Topographic Keratoconus Classification Index (TKC) der Pentacam high resolution (HR, Oculus) nachbildet. Patienten und Methoden Es wurden 60 Messungen an Normalprobanden (TKC 0) und 379 Augen mit Keratokonus (TKC 1 bis 4) in die Studie mit einbezogen. Nach der Messung mit der Pentacam HR (Zielgröße TKC) wurde eine Untersuchung mit dem Corvis®ST durchgeführt, aus der 6 Messparameter extrahiert wurden, die in den Corvis Biomechanical Index CBI eingehen (ARTh, SP-A1, DA-Ratio 1 mm, DA-Ratio 2 mm, A1 velocity, max. Deformation Amplitude). Neben dem TKC als Zielgröße wurde der binarisierte TKC (1: TKC 1 bis 4, 0: TKC 0) modelliert. Als Gütemaß wurde die Genauigkeit des Modells als Anteil der korrekten Klassifizierungen herangezogen. Fehlklassifizierungen wurden in der Modellierung so bestraft, dass die Abweichung des modellierten TKC-Wertes vom gemessenen Wert bewertet wurde. Ergebnisse Es wurden 24 verschiedene Modelle des überwachten maschinellen Lernens aus 6 Familien getestet. Für die Modellierung des TKC in Stufen von 0–4 zeigte das Modell, basierend auf einer Support Vector Machine (SVM) mit linearem Kernel, die beste Performance mit einem Anteil an richtigen Klassifizierungen von 65,1 %. Für den binarisierten Wert des TKC zeigte ein Decision Tree mit grober Auflösung die beste Performance mit einem Anteil an richtigen Klassifizierungen von 95,2 %, direkt gefolgt von der SVM mit linearem oder quadratischem Kernel und dem Nearest Neighborhood Classifier mit kubischem Kernel (jeweils 94,5 %). Schlussfolgerungen In der Arbeit soll das Prinzip des überwachten Maschinenlernens in der Anwendung auf die modellierte Klassifizierung von Messbefunden gezeigt werden. So wurden Messdaten des Corvis®ST dazu verwendet, die Einteilung in den Schweregrad eines Keratokonus mittels Pentacam (TKC) mit einer ganzen Reihe von Algorithmen des maschinellen Lernens nachzubilden.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.