هوش مصنوعی

هوش مصنوعی و قوزقرنیه تشخیص به موقع و درمان مناسب از نقش های مهم هوش مصنوعی استاز از دست دادن بینایی جلوگیری کنید. 45 در مراحل اولیه KC، اقدامات بالینی معمول می تواند زمان بر باشد و منجر به تصمیم گیری ضعیف می شود. بنابراین، تشخیص زودهنگام KC تحت بالینی توسط شاخص‌های قرنیه که بر اساس الگوریتم‌های هوش مصنوعی تولید می‌شوند را می‌توان با کمترین هزینه با دقت بیشتری انجام داد. دقت تشخیصی روش های تصویربرداری قرنیه بر اساس مدل های هوش مصنوعی گزارش شده استدر مطالعات مختلف مدل‌های شبکه عصبی مانند شبکه‌های عصبی پیش‌خور، کانولوشنشبکه های عصبی (CNN)، یادگیری ماشین بردار پشتیبانی (SVM)، پرسپترون چند لایه (MLP)،و طبقه بندی درخت تصمیم (DT) دقت بالایی در تشخیص چشم های KC از خود نشان داده اند چشم‌های طبیعی. 46 سیستم‌های تصویربرداری پیشرفته قرنیه با طبقه‌بندی‌کننده‌های مبتنی بر هوش مصنوعی در دسترس هستندبرای تشخیص قرنیه در معرض خطر اکتازی. CNN با شش نقشه رنگی AS-OCT بیشتر ازدقت 99 درصد برای تشخیص قوزقرنیه