机器学习辅助的角膜的早期检测:角膜地形和生物力学数据的比较分析
Arkadiusz Syta1, Arkadiusz Podkowiński2, Tomasz Chorągiewicz3
1Faculty of Mathematics and Information Technology, Department of Technical Computer Science, Lublin University of Technology, Nadbystrzycka 38, 20-618, Lublin, Poland. a.syta@pollub.pl.
Scientific reports
|July 8, 2025
概括
机器学习,特别是随机森林算法,使用角膜数据准确地检测眼 (一种眼睛疾病). 这种人工智能方法有助于年轻人早期诊断,通过及时治疗改善患者的治疗结果.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 角膜是一种渐进的角膜疾病,导致视力受损.
- 早期诊断对于管理角和改善患者预后至关重要.
- 目前的诊断方法在早期检测方面可能存在局限性.
研究的目的:
- 评估机器学习模型在识别角瘤方面的有效性.
- 分析角膜地形和生物力学数据,以检测角膜.
- 将AI识别的诊断特征与已确定的临床参数进行比较.
主要方法:
- 收集了144个角膜扫描 (角膜和正常病例) 的数据集.
- 机器学习算法使用Pentacam设备数据进行训练和测试.
- 随机森林算法被专门评估其诊断性能.
主要成果:
- 随机森林模型实现了98%的训练准确率和96%的测试准确率.
- 该模型确定了形的关键诊断测量.
- 该研究使得人工智能选择的特征和临床参数之间的比较成为可能.
结论:
- 机器学习,特别是随机森林,在检测角菌方面表现出很高的准确性.
- 这种人工智能方法可以帮助在年轻人中早期诊断角.
- 该模型的可解释性提供了人工智能预测和临床决策之间的联系,潜在地提高了患者护理.
