Résumé: Cet article rend compte de l'application d'un réseau neurologique artificiel à l'analyse clinique des données ophtalmologiques. En particulier une carte d'individu-organisation à deux dimensions de dispositif de Kohonen (SOM) est employée pour analyser des données de champ visuel des patients de glaucome. D'une manière primordiale, le papier adresse le problème de la façon dont le SOM peut être utilisé pour adapter au bruit dans les données. C'est un problème particulièrement important dans l'évaluation longitudinale, où détectant le changement crucial est le noeud du problème dans le diagnostic clinique. Des données de 737 disques glaucomatous de champ visuel (analyseur de champ visuel de Humphrey, programme 24-2) sont employées pour former un SOM avec 25 noeuds organisés sur une grille carrée. Le SOM groupe les données organisant la carte de rendement tels que les champs avec tôt et la perte avançée sont aux positions extrêmes, avec un continuum de changement en place et d'ampleur de la perte représentée par les noeuds intervenants. Pour des variantes de chaque noeud 100 de SOM, produit par une simulation sur ordinateur modeler la variabilité qui pourrait être prévue dans un oeil glaucomatous, sont également classifiés par le réseau pour établir l'ampleur du bruit sur la classification. Le changement de champ est alors mesuré en ce qui concerne la classification d'un champ suivant, en dehors du secteur défini par le champ original et ses variantes. La contribution significative de cet article est que l'analyse spatiale des données de champ, qui sont fournies par le SOM, a été augmentée avec l'analyse de bruit augmentant la représentation visuelle des données longitudinales et permettant la quantification du changement crucial de classe

Langue: Anglais