Hill-RBF

Hill-RBF (Hill-radial basis function)^[1] 공식은 패턴 인식, 자가 학습 또는 자가 조직화, 경계 모델을 통한 자가 검증, 빅데이터 실습 등 인공 신경망과 실제 수술 후 굴절 결과의 매우 큰 자료의 회귀 분석을 사용해서 인공수정체 도수를 계산하는 새로운 방법이다^[2].

버전

2.0 (2018, DB 12,419안)
3.0 (2020. 09.)

장점

가장 큰 장점인 인공 신경망의 핵심은 관찰된 데이터로부터 학습하고 원하는 근사 함수를 생성하는 능력이다^[3]. 또한 패턴 인식 방법을 이용함으로써, 이 알고리즘은 수렴 (vergence) 또는 광선 추적 (ray tracing) 공식으로 모델링할 수 없는 도수 계산의 정의되지 않은 요소를 설명할 수 있다.

참고

↑ 백내장 4판, 2022 (한국 백내장 굴절 수술 학회, 일조각)
↑ Kane JX et al. Accuracy of 3 new methods for IOL power selection. JCRS. 2017 Mar;43(3):333-339. 연결
↑ Sramka M et al. Improving clinical refractive results of cataract surgery by ML. PeerJ. 2019 Jul 2;7:e7202. doi: 10.7717/peerj.7202. 연결

[1] 백내장 4판, 2022 (한국 백내장 굴절 수술 학회, 일조각)

[2] Kane JX et al. Accuracy of 3 new methods for IOL power selection. JCRS. 2017 Mar;43(3):333-339. 연결

[3] Sramka M et al. Improving clinical refractive results of cataract surgery by ML. PeerJ. 2019 Jul 2;7:e7202. doi: 10.7717/peerj.7202. 연결

[1]

[2]

[3]

Hill-RBF

버전

장점

참고

둘러보기 메뉴