Prof. Renato Ambr\u00f2sio aus Brasilien hat diesen Index mittels modernster Verfahren des \u201eMachine Learnings\u201c entwickelt. Der Parameter kombiniert tomographische Parameter der Pentacam\u00ae mit biomechanischen Parametern des Corvis\u00ae ST, um eine maximale Genauigkeit f\u00fcr das Refraktiv-Screening zu erhalten. Basierend auf der sogenannten Random Forest Methode \u2013 einem modernem Ansatz des \u201eMachine Learnings\u201c \u2013 wird ein Gesamtscore abgeleitet, der die Pr\u00e4-Disposition f\u00fcr eine Hornhautektasie widerspiegelt.<\/p>\n
Ein Random Forest Index besteht aus 500 verschiedenen Entscheidungsb\u00e4umen. Beim TBI verwendet jeder Baum unterschiedliche Kombinationen aus biomechanischen und tomographischen Parametern, um eine Klassifizierung durchzuf\u00fchren. Der TBI gibt den Prozentsatz der Entscheidungsb\u00e4ume an, die die Biomechanik und Tomographie als \u201eauff\u00e4llig\u201c eingesch\u00e4tzt haben.<\/p>\n
In einer gro\u00df angelegten Validierungsstudie hat sich dieser Index als genauer als alle anderen getesteten biomechanischen, tomographischen und topographischen Parameter herausgestellt. Aktuelle Validierungsstudien aus Deutschland, den USA, Brasilien und China kommen zum gleichen Ergebnis.<\/p>\n","protected":false},"excerpt":{"rendered":"
Prof. Renato Ambr\u00f2sio aus Brasilien hat diesen Index mittels modernster Verfahren des \u201eMachine Learnings\u201c entwickelt. Der Parameter kombiniert tomographische Parameter der Pentacam\u00ae mit biomechanischen Parametern des Corvis\u00ae ST, um eine maximale Genauigkeit f\u00fcr das Refraktiv-Screening zu erhalten. Basierend auf der …<\/p>\n","protected":false},"author":55,"featured_media":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"faq_category":[400],"class_list":["post-40847","avada_faq","type-avada_faq","status-publish","format-standard","hentry","faq_category-corvis-st"],"acf":[],"yoast_head":"\n