用机器学习进行角膜诊断的进展
Noor T Al-Sharify1,2, Salman Yussof3, Nebras H Ghaeb4
1Department of Electrical & Electronic Engineering, College of Engineering, Universiti Tenaga Nasional, Kajang 43000, Malaysia.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
机器学习模型,决策树和近邻分析,使用角膜拓数据来改善角质结核病的诊断. 这些工具有助于了解疾病进展和临床决策,以获得更好的患者结果.
科学领域:
- 眼科医生 眼科 眼科
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
背景情况:
- 角膜对视力至关重要,它的疾病,如角膜,显著影响眼睛的健康.
- 准确诊断角膜疾病,特别是角膜,对于及时干预和管理至关重要.
- 角膜拓是一个关键的诊断工具,提供角膜拓的参数.
研究的目的:
- 探索角膜的解剖学和病理学,专注于角膜.
- 研究基于角膜拓图的机器学习模型对诊断角膜的有用性.
- 评估决策树和近邻分析在分类和预测角病的有效性.
主要方法:
- 审查角膜解剖学,病理学和诊断技术.
- 决策树和近邻分析对地形角膜参数的应用.
- 对培训,测试和持久样本的分类准确性的分析.
主要成果:
- 决策树实现了62%的培训和65.7%的测试准确度.
- 最近邻分析实现了65.4%的训练和62.6%的持久准确度.
- 这两种模型都在根据角膜参数对疾病进行分类和预测方面表现出有效性.
结论:
- 机器学习模型,特别是决策树和近邻分析,提高了角病诊断的准确性.
- 这些模型为疾病进展和严重程度提供了宝贵的见解.
- 这些技术的整合有助于临床医生在治疗和治疗决策中进行治疗和管理.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.2K
11:29Corneal Confocal Microscopy: A Novel Non-invasive Technique to Quantify Small Fibre Pathology in Peripheral Neuropathies
Published on: January 3, 2011
26.5K
