|
角膜地形图分析的数学模型分类及其在诊断圆锥角膜中的意义 |
| |
K. KISA% index：a quantitative videokeratography algorithm embodying minimal topographic criteria for diagnosing keratoconus[J]. J Cataract Refract Surg，1999，25(10)：1327-1335.
[5] 王雁，赵堪兴． 人眼视觉光学波阵面像差的研究及进展[J]． 中华眼科杂志，2004，40(1)：66-69．
[6] Schwiegerling J， Greivenkamp JE， Miller JM. Representation of videokeratoscopic height data with Zernike polynomials[J]. J Opt Soc Am A Opt Image Sci Vis，1995，12(10)：2105-2113.
[7] Schwiegerling J， Greivenkamp JE. Keratoconus detection basedon videokeratoscopic height data[J]. Optom Vis Sci，1996，73(12)：721-728.
[8] Maeda N， Klyce SD， Smolek MK， et al. Automated keratoconus screening with corneal topography analysis[J]. Invest Ophthalmol Vis Sci，1994，35(6)：2749-2757.
[9] Kalin NS， Maeda N， Klyce SD， et al. Automated topographic screening for keratoconus in refractive surgery candidates[J]. CLAO J，1996，22(3)：164-167.
[10] Smolek MK， Klyce SD. Current keratoconus detection methods compared with a neural network approach[J]. Invest Ophthalmol Vis Sci，1997，38(11)：2290-2299.
[11] Accardo PA， Pensiero S. Neural network-based system for early keratoconus detection from corneal topography[J]. J Biomed Inform，2002，35(3)：151-159.
[12] Carvalho LA. Preliminary results of neural networks and zernike polynomials for classification of videokeratography maps[J]. Optom Vis Sci，2005，82(2)：151-158.
[13] Delen D， Walker G， Kadam A. Predicting breast cancer survivability： a comparison of three data mining methods[J]. Artif Intell Med，2005，34(2)：113-127.
[14] Kusiak A， Dixon B， Shah S. Predicting survival time for kidney dialysis patients： a data mining approach[J]. Comput Biol Med，2005，35(4)：311-327.
[15] Firouzi F， Rashidi M， Hashemi S， et al. A decision tree-based approach for determining low bone mineral density in inflammatory bowel disease using WEKA software[J]. Eur J Gastroenterol Hepatol，2007，1上一页 [1] [2] [3] [4] [5] 下一页
上一个医学论文： 瞬康医用胶在引导组织再生膜固定中的应用
下一个医学论文： 改良型劈核器在小切口非超声乳化白内障手术中的应用
|
|
|
|
|
|
|
您现在的位置： 绿色健康网 >> 医学论文 >> 五官科论文 >> 正文