Математична модель для оцінки функціонального стану параметрів людського ока
DOI:
https://doi.org/10.31498/2225-6733.49.1.2024.321178Ключові слова:
людське око, математична модель, інтегральний показник, нелінійність, оптимізація, адаптація, моніторинг, прогнозуванняАнотація
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
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
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Журнал "Вісник Приазовського державного технічного університету. Серія: Технічні науки" видається під ліцензією СС-BY (Ліцензія «Із зазначенням авторства»).
Дана ліцензія дозволяє поширювати, редагувати, поправляти і брати твір за основу для похідних навіть на комерційній основі із зазначенням авторства. Це найзручніша з усіх пропонованих ліцензій. Рекомендується для максимального поширення і використання неліцензійних матеріалів.
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи в цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди, які стосуються неексклюзивного поширення роботи в тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи в цьому журналі.







