相关实验视频
Updated: Jun 24, 2025
06:24
A Spine Robotic-Assisted Navigation System for Pedicle Screw Placement
Published on: May 11, 2020
8.8K
自动机器学习在预测肺部视网膜修复的结果方面的表现
Arina Nisanova1, Arefeh Yavary2, Jordan Deaner3
1School of Medicine, University of California Davis, Davis, California.
Ophthalmology science
|June 3, 2024
概括
自动机器学习 (AutoML) 显示出预测在视网膜脱落中的气动视网膜修复成功的前景. 仔细的数据平衡对于可靠的结果至关重要,防止不平衡的数据集带来误导性的结果.
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:
- 自动机器学习 (AutoML) 为医疗专业人员提供了一个无编码的解决方案,用于构建预测模型.
- 肺性视网膜脱落 (PR) 是一种治疗风湿性视网膜脱落 (RRD) 的方法,预测模型可以帮助评估治疗的成功.
研究的目的:
- 评估AutoML工具在预测RRD的公关成功方面的性能.
- 将AutoML开发的模型与机器学习 (ML) 专家创建的模型进行比较.
主要方法:
- 一项回顾性多中心研究包括539名为RRD接受PR的患者.
- 使用了MATLAB分类学习器和谷歌云自动ML. 在平衡和不平衡的数据集上训练模型.
- 使用F2分数和接收器操作曲线 (AUROC) 下的面积来评估性能.
主要成果:
- 最好的AutoML模型 (MATLAB) 在平衡数据上获得了F2分数0.85和AUROC分数0.90,与专家模型相比较.
- 不平衡的数据训练导致误导性高的AUROC (0.81),但低的F2得分 (0.2) 和灵敏度 (0.17).
结论:
- 自动ML是临床医生从临床数据中开发预测模型的可行工具.
- 适当的数据预处理和模型选择对于确保AutoML工具的可靠性至关重要.
- 简单地使用AutoML与不平衡或不完整的数据可以导致不可靠的预测.
