使用基于视神经头部拓特征的机器学习方法识别玻璃眼底图像
Chao-Wei Wu1, Tzu-Yu Huang2, Yeong-Cheng Liou2
1Department of Ophthalmology, Kaohsiung Medical University Hospital.
Journal of glaucoma
|March 28, 2024
概括
机器学习可以有效地从光盘图像中检测到眼光,优于传统规则. 自动化特征提取将简化这种诊断方法.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 青光眼的检测依赖于光盘拓.
- 目前用于诊断的,是临床的歧视性规则.
- 需要更有效和自动化的诊断工具.
研究的目的:
- 将机器学习分类器与临床歧视规则进行比较.
- 评估光盘拓特征在青光眼检测中的有效性.
- 确定诊断青光眼的最重要的地形特征.
主要方法:
- 800张 fundus图像 (400个是绿眼,400个不是绿眼) 的回顾性病例对照研究.
- 提取的特征:垂直杯与盘的比率,光圈宽度在四个象限.
- 开发并与临床规则进行比较的机器学习分类器.
主要成果:
- 机器学习分类器显著超过了临床区分规则.
- 极端梯度增强显示在识别眼图像方面表现最高.
- 杯与盘的比率是最关键的特征;时间光圈的宽度是最不重要的.
结论:
- 机器学习分类器在使用光盘拓学来检测青光眼时是有效的.
- 自动化特征提取可以创建一个简单有效的诊断方法.
- 这种方法为玻璃眼查和诊断提供了一个有前途的工具.
