Efficacy of Smoothing Algorithms to Enhance Detection of Visual Field Progression in Glaucoma

Purpose: To evaluate and compare the effectiveness of nearest neighbor (NN)- and variational autoencoder (VAE)-smoothing algorithms to reduce variability and enhance the performance of glaucoma visual field (VF) progression models. Design: Longitudinal cohort study. Subjects: 7150 eyes (4232 patient...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ:	Vahid Mohammadzadeh, MD, Leyan Li, MS, Zhe Fei, PhD, Tyler Davis, MS, Esteban Morales, MS, Kara Wu, BS, Elise Lee Ma, MD, PhD, Abdelmonem Afifi, PhD, Kouros Nouri-Mahdavi, MD, MS, Joseph Caprioli, MD
Ձևաչափ:	Հոդված
Լեզու:	English
Հրապարակվել է:	Elsevier 2024-03-01
Շարք:	Ophthalmology Science
Խորագրեր:	Artificial intelligence Glaucoma progression Variability Variational autoencoder Visual field Visual field noise
Առցանց հասանելիություն:	http://www.sciencedirect.com/science/article/pii/S2666914523001550

Համացանց

http://www.sciencedirect.com/science/article/pii/S2666914523001550

Efficacy of Smoothing Algorithms to Enhance Detection of Visual Field Progression in Glaucoma

Համացանց

Նմանատիպ նյութեր