基于数字图像特征的角膜混浊度分类模型

作者：罗鹏; 郑吉龙; 周鹏; 张勇德^*; 常世杰^*; 沙**^*

来源：中国医疗器械杂志, 2021, 45(04): 361-365.

• 角膜混浊
• 特征提取
• 支持向量机
• 特征选择

目的根据角膜混浊的数字图像特征建立支持向量机(support vector machine,SVM)多分类模型,探索角膜混浊度的客观量化方法。方法采集猪死后眼角膜数字图像,根据事先经验提取其部分颜色特征与纹理特征,建立SVM多分类模型,使用Precision、Sensitivity、F1分数对模型的测试结果进行评估,通过SVMRFE结合交叉验证寻找最优特征子集,优化模型。结果角膜混浊程度的分类中,F1分数最高可达0.9744,最优特征子集中特征数量为126。结论该SVM多分类模型可实现对角膜混浊程度的分类。

• 单位
  中国医科大学; 中国刑事警察学院