使用机器学习方法开发,比较和内部验证预测模型,以确定开放球损伤患者的视觉预后,使用机器学习方法
Mehrdad Motamed Shariati1, Saeid Eslami2, Nasser Shoeibi1
1Eye Research Center, Mashhad University of Medical Sciences, Mashhad, Iran.
BMC medical informatics and decision making
|May 21, 2024
概括
人工神经网络 (ANN) 准确地预测开放地球损伤 (OGI) 的最终视力敏度. 这种机器学习模型为临床决策和患者咨询管理OGI提供了有价值的工具.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 开放地球伤害 (OGI) 是可预防失明的重要原因,特别是在发展中国家.
- 确定预后因素对于管理OGI和改善视觉结果至关重要.
研究的目的:
- 评估影响开放球损伤预后的关键变量.
- 为了比较各种机器学习模型在预测最终视力敏度 (VA) 的性能.
主要方法:
- 在2020-2022年期间治疗的300名OGI患者的回顾性审查.
- 分析临床特征,包括创伤类型,初始VA,RAPD和眼部创伤评分 (OTS).
- 对十个监督机器学习算法进行VA预测的比较,包括ANN,SVM和RF.
主要成果:
- 人工神经网络 (ANN) 模型在预测最终VA时表现出卓越的准确性.
- ANN实现了高性能指标:灵敏度 (0.81),F1得分 (0.85),PPV (0.89),准确度 (0.93) 和MCC (0.81).这些指标包括灵敏度 (0.81),F1得分 (0.85),PPV (0.89),准确度 (0.93) 和MCC (0.81).
- ANN模型显示出优异的AUC-ROC (0.96) 和AUC-PRC (0.91),布赖尔得分为0.201.
结论:
- 在预测OGI患者的视觉结果方面,ANN模型显著优于其他机器学习算法.
- 开发的ANN框架提供了一个可靠的工具,用于估计OGI的最终VA.
- 这种预测模型可以帮助临床医生提供明智的建议,并为开放球损伤做出关键的管理决策.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:11Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping
Published on: December 8, 2023
1.5K
