基于 fundus 照片的糖尿病视网膜病变的诊断,使用机器学习方法和先进的功能工程算法
Michał Gandor1, Filip Pałka1, Wojciech Książek1
1Department of Computer Science, Faculty of Computer Science and Mathematics, Cracow University of Technology, Krakow, Poland.
Scientific reports
|October 3, 2025
概括
早期发现糖尿病视网膜病变对于预防视力丧失至关重要. 这项研究开发了一种机器学习模型,使用了14402张 fundus 图像,实现了早期诊断的80.41%准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变是可预防失明的主要原因.
- 早期检测对于预防视力丧失和残疾至关重要.
- 机器学习为自动化早期诊断提供了潜力.
研究的目的:
- 开发和验证用于早期检测糖尿病视网膜病变的机器学习模型.
- 利用大型的多数据库数据集进行强大的模型培训和验证.
- 探索新的特征提取和选择技术,以提高诊断准确度.
主要方法:
- 利用了来自八个公共和一个私人数据库的14,402张基金照片的数据集.
- 采用了46种独特的特征选择和提取方法 (例如,CLAHE,B-CosFire,Hough转换,LBP,GLCM).
- 使用XgBoost和随机森林算法进行训练和验证的分类模型,使用Optuna库进行优化.
主要成果:
- 随机森林模型使用LBP和GLCM特征提取实现了80.41%的准确性.
- 该模型显示F1-Score为74.41%,曲线下的面积 (AUC) 为0.80.
- 开发的机器学习模型在早期检测糖尿病视网膜病变方面表现出高效.
结论:
- 机器学习模型是早期检测糖尿病视网膜病变的有希望的工具.
- 这项研究强调了大数据集和先进的功能工程在医疗AI中的重要性.
- 对于诊断工具的临床实施,建议进一步细化.
