年轻成年人视网膜结构的性别相关差异:机器学习方法
Flávia Monteiro Farias1,2, Railson Cruz Salomão2, Enzo Gabriel Rocha Santos3
1Instituto de Ciências Biológicas, Universidade Federal do Pará, Belém, Brazil.
Frontiers in medicine
|January 1, 2024
概括
机器学习算法可以使用视网膜厚度数据对参与者的性别进行分类. 随机森林算法显示出卓越的准确性,特别是在视网膜神经纤维层.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 视网膜层的厚度在两性之间有所不同.
- 机器学习 (ML) 为自动性别分类提供了潜力.
- 了解用于人口识别的眼部生物标志物至关重要.
研究的目的:
- 根据视网膜厚度数据,评估各种ML算法的准确性,以分类参与者的性别.
- 为了确定哪些视网膜层和ML算法是最有效的性别分类.
主要方法:
- 一项横截面研究包括64名参与者 (26名男性,38名女性).
- 高分辨率成像 (HRA + OCT Spectralis) 量化了10个视网膜层.
- 测试了多个ML算法 (例如,随机森林,SVM) 的分类准确性.
主要成果:
- 在视网膜层和算法中,分类准确性各不相同.
- 视网膜总厚度和视网膜神经纤维层显示高精度.
- 随机森林算法在多个层次上展示了卓越的性能.
结论:
- 视网膜层具有明显的性别分类潜力.
- 算法和视网膜层的选择显著影响了分类的准确性.
- 随机森林算法是识别基于性别的视网膜特征的一个有希望的工具.
