一个强大的机器学习模型用于糖尿病视网膜病变分类

科学领域:

• 人工智能 (AI) 是一种人工智能.
• 机器学习 (ML) 是指机器学习.
• 图像处理 图像处理

背景情况:

• 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因,需要有效的诊断工具.
• 分析眼底图像对于早期DR检测和管理至关重要.
• 当前的诊断方法可以通过利用人工智能的自动化系统来增强.

研究的目的:

• 开发和验证基于人工智能的模型,用于使用 fundus 图像对糖尿病视网膜病变的严重程度进行分类.
• 探索图像处理技术的有效性,包括对比操纵和分析,用于特征提取.
• 为了确定DR诊断的最佳机器学习分类器.

主要方法:

• 用马校正预处理 Fundus 图像进行对比操纵.
• 使用Shannon和模糊的 entropies进行了纹理分析,以提取十个新的特征.
• 使用PyCaret库进行集体学习,评估了15个分类器.
• 渐变增强分类器 (GBC) 被选为表现最佳的模型.

主要成果:

• 在将DR分类为正常或严重时,GBC模型取得了高性能.
• 获得的精度为0.929,F1得分为0.902,曲线下的面积 (AUC) 为0.941.
• 模型验证使用引导统计技术得到确认.

结论:

• 拟议的方法有效地从预处理的 fundus 图像中提取 DR 分类的特征.
• 控制的对比操纵和基于的纹理分析对于DR诊断非常有价值.
• 人工智能驱动的方法为自动化DR查和诊断提供了一个有前途的工具.