Математична модель для оцінки функціонального стану параметрів людського ока

Автор(и)

  • В. Вичужанін Національний університет «Одеська політехніка», м. Одеса, Україна https://orcid.org/0000-0002-6302-1832
  • А. Вичужанін Національний університет «Одеська політехніка», м. Одеса , Україна https://orcid.org/0000-0001-8779-2503
  • О. Гузун ДУ “Інститут очних хвороб і тканинної терапії ім.В.П.Філатова НАМН України” , Україна https://orcid.org/0009-0003-6873-8503
  • О. Задорожний ДУ “Інститут очних хвороб і тканинної терапії ім.В.П.Філатова НАМН України”, Україна https://orcid.org/0000-0003-0125-2456

DOI:

https://doi.org/10.31498/2225-6733.49.1.2024.321178

Ключові слова:

людське око, математична модель, інтегральний показник, нелінійність, оптимізація, адаптація, моніторинг, прогнозування

Анотація

Математичні моделі стану людського ока повинні бути адаптивними інструментами для аналізу та прогнозування офтальмологічних параметрів з урахуванням їх взаємодій та індивідуальних особливостей пацієнта. Такі моделі затребувані в офтальмології, оскільки вони покращують діагностику, моніторинг та лікування захворювань, підвищуючи якість життя пацієнтів. Ключовими аспектами розробленої математичної моделі стану ока є її структура та функціональність. Вона заснована на математичній функції, яка інтегрує фізіологічні параметри ока, причому кожному параметру надається ваговий коефіцієнт, що визначає його внесок у інтегральний показник стану ока. Модель враховує складні нелінійні взаємодії між параметрами, що відбивають тонкощі фізіологічних процесів. Для оптимізації вагових коефіцієнтів застосовується метод L-BFGS-B – ітеративний метод оптимізації, що ефективно мінімізує функцію втрат, що забезпечує високу точність та адаптацію моделі до індивідуальних даних пацієнта. Переваги та застосування цієї моделі включають точну діагностику, що дозволяє виявляти такі захворювання, як глаукома, катаракта або макулярна дегенерація на ранніх стадіях; персоналізоване лікування завдяки врахуванню унікальних значень параметрів кожного пацієнта; моніторинг та прогнозування, що забезпечують аналіз прогресування захворювань та допомагають коригувати лікування на ранніх стадіях; інтеграцію з технологіями, включаючи можливості застосування у системах віртуальної та доповненої реальності, а також у рамках штучного інтелекту для автоматизації діагностики. Розроблена модель є універсальним інструментом для аналізу стану ока та розробки нових технологій діагностики та лікування. Вона враховує взаємозв'язки параметрів та їх вплив на фізіологічний стан ока, надаючи офтальмологам потужний інструмент для покращення діагностики, прогнозування та моніторингу очних захворювань

Біографії авторів

В. Вичужанін , Національний університет «Одеська політехніка», м. Одеса

Доктор технічних наук, професор

А. Вичужанін , Національний університет «Одеська політехніка», м. Одеса

Доктор філософії, доцент

О. Гузун , ДУ “Інститут очних хвороб і тканинної терапії ім.В.П.Філатова НАМН України”

Кандидат медичних наук

О. Задорожний , ДУ “Інститут очних хвороб і тканинної терапії ім.В.П.Філатова НАМН України”

Доктор медичних наук

Посилання

Artificial intelligence Integration in the diagnosis, prognosis and diabetic neovascular glaucoma treatment / V. Vychuzhanin et al. ICST-2024 : Proceedings of XII International Scientific and Practical Conference «Information Control Systems and Technologies», Odesa, 23-25 September 2024. Vol. 3790. Рр. 238-249.

Розвитки інформаційно-керуючих систем та технологій : монографія / Н. Аксак та ін.; під наук. ред. проф. В.Вичужаніна. Львів-Торунь : Liha-Pres, 2024. 380 с. DOI: https://doi.org/10.36059/978-966-397-422-4.

A neural network model for predicting the effectiveness of treatment in patients with neovascular glaucoma associated with diabetes mellitus / О. Guzun et al. Romanian journal of Ophthalmology. 2024. vol.68. Рp. 294-300. DOI: https://doi.org/10.22336/rjo.2024.53.

Application of machine learning in ophthalmic imaging modalities / Tong Y., Lu W., Yu Y., Shen Y. Eye and Vision. 2020. Vol. 7. Рр. 1-15. DOI: https://doi.org/10.1186/s40662-020-00183-6.

Digital Twin Models for Personalised and Predictive Medicine in Ophthalmology / E. Moisescu et al. Technologies. 2024. Vol. 12(4). Pp. 1-25. DOI: https://doi.org/10.3390/technologies12040055.

Prognostic potentials of AI in ophthalmology: systemic disease forecasting via retinal imaging / Y. Tan et al. Eye and Vision. 2024. Vol. 11. Pp. 1-18. DOI: https://doi.org/10.1186/s40662-024-00384-3.

Deep Learning for Diabetic Retinopathy Analysis: A Review, Research Challenges, and Future Directions / H. Goh et al. Sensors. 2022. Vol. 22(18). Article 6780. DOI: https://doi.org/10.3390/s22186780.

Eye movement characteristics in a mental rotation task presented in virtual reality / Z. Tang et al. Frontiers in Neuroscience. 2023. Vol. 17. Pp. 01-11. DOI: https://doi.org/10.3389/fnins.2023.1143006.

Visual Sensation and Perception Computational Models for Deep Learning: State of the art, Challenges and Prospects / Wei B., Zhao Y., Hao K., Gao L. 2021. Pp. 1-14. [Електронний ресурс] DOI: https://doi.org/10.48550/arXiv.2109.03391.

Erdinest N., London N., Lavy I. Vision through Healthy Aging Eyes. Vision. 2021. Vol. 5(4). Pp. 1-12. DOI: https://doi.org/10.3390/vision5040046.

A Framework for Assessing the Impact of Visual Impairment on Older Adults / B. K. Swenor et al. The Gerontologist. 2020. Vol. 60. Iss. 6. Рр. 989-995. DOI: https://doi.org/10.1093/geront/gnz117.

Computational modeling of fluid flow and intra-ocular pressure following glaucoma surgery / Gardiner B. S., Smith D. W., Coote M., Crowston J. G. PLoS. 2020. Vol. 60. Pр. 989-995. DOI: https://doi.org/10.1371/journal.pone.0013178.

Semenyuk V. Thermal interaction of multi-pulse laser beam with eye tissue during retinal photocoagulation: Analytical approach. International Journal of Heat and Mass Transfer. 2017. Vol. 112. Рр. 480-488. DOI: https://doi.org/10.1016/j.ijheatmasstransfer.2017.05.013.

Zadorozhnyy O., Savin N., Buiko A. Improving the technique for controlled cryogenic destruction of conjunctival tumors located in the projection of the ciliary body onto the sclera: A preliminary report. Journal of Ophthalmology. 2018. Vol. 5. Рр. 60-65. DOI: https://doi.org/10.31288/oftalmolzh201856065.

Barton K., Jonas J., Chodosh J. Highlights from this issue. British Journal of Ophthalmology. 2020. Vol. 104. № 9. Рр. 104-110. DOI: https://doi.org/10.1136/bjophthalmol-2020-317668.

Influence of application site of provisional cement on the marginal adaptation of provisional crowns / Cardoso M., Torres M. F., de Moraes Rego M. R., Santiago L. C. Journal of Applied Oral Science. 2008. Vol. 16(3). Рр. 214-218. DOI: https://doi.org/10.1590/S1678-77572008000300010.

Howie S., Tinker A. Are we on the same page? Exploring the role of the geriatrician in the care of the older surgical patient from the perspective of surgeons and geriatricians. Clinical Medi-cine. 2018. Vol. 18. № 5. Рр. 374-379. DOI: https://doi.org/10.7861/clinmedicine.18-5-374.

Adeolu O. Essential Guide to Python for All Levels Collection: Forging Ahead in Tech and Programming. 2024. 314 р.

Nocedal J., Wright S. Numerical Optimization. Springer Series in Operations Research and Financial Engineering. 2006. 664 p. DOI: https://doi.org/10.1007/978-0-387-40065-5.

##submission.downloads##

Опубліковано

2024-12-26

Як цитувати

Вичужанін , В., Вичужанін , А., Гузун , О., & Задорожний , О. . (2024). Математична модель для оцінки функціонального стану параметрів людського ока. Вісник Приазовського Державного Технічного Університету. Серія: Технічні науки, 1(49), 6–16. https://doi.org/10.31498/2225-6733.49.1.2024.321178

Номер

Розділ

122 Комп'ютерні науки та інформаційні технології