基于机器学习的偏头痛分析,使用视网膜血管直径从光学连贯性断层扫描:一种替代方法
Fırat Orhanbulucu1,2, Metin Ünlü3, Duygu Gülmez Sevim3
1Department of Biomedical Engineering, Faculty of Engineering, Inonu University, Malatya, Türkiye.
概括
光学连贯断层扫描 (OCT) 视网膜成像可以预测偏头痛. 机器学习模型,特别是基于组合的提升,在将偏头痛患者与健康对照区分开来方面取得了高准确性.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 医疗成像医学成像
背景情况:
- 偏头痛是一种复杂的神经疾病,影响中枢神经系统和视网膜血管系统.
- 视网膜成像技术,如光学连贯断层扫描 (OCT),为研究神经眼科疾病提供了一个有前途的途径.
- 本研究探讨了OCT衍生的测量对偏头痛预测的潜力.
研究的目的:
- 通过通过OCT获得的视网膜图像的测量来预测偏头痛.
- 评估机器学习算法在基于OCT数据的偏头痛患者分类方面的有效性.
主要方法:
- 检查了偏头痛患者的70只眼睛和健康对照的38只眼睛.
- 使用的特征包括视网膜动脉/静脉直径和胸膜厚度.
- 应用了SMOTE方法来进行数据平衡和Pearson的相关系数来进行特征分析.
主要成果:
- 在分类偏头痛患者中,LightGBM算法表现出卓越的性能.
- 实现了高分类指标:93.28% AUC,91.14%准确度,86.67% F1得分,0.74卡帕统计和0.76马修斯相关系数.
- 基于集团的增强模型的表现优于传统的机器学习分类器.
结论:
- 机器学习算法在从OCT数据预测偏头痛方面表现有效.
- 这项初步研究强调了OCT成像在偏头痛诊断中的潜力.
- 基于集体的提升模型对于这种应用特别有效.
