多特征融合结合机器学习算法快速筛查葡萄膜炎

作者：屈莹; 陈晨; 吕小毅^*

来源：新疆大学学报(自然科学版)(中英文), 2021, 38(04): 439-449.

DOI：10.13568/j.cnki.651094.651316.2020.11.16.0003

• 葡萄膜炎
• 眼底OCT图像
• 机器学习
• ROC曲线
• 辅助诊断

为了利用机器学习算法快速筛查出葡萄膜炎,本文分别选取了健康人和葡萄膜炎患者的眼底OCT(Optical Coherence Tomography, OCT)图像,提取图像的形态特征、灰度差分统计特征、灰度梯度共生矩阵和小波变换等多种特征,将特征串行融合;随后用Lasso算法特征提取,用多种机器学习算法进行分类研究.结果显示:基于Medium Gaussian核函数的支持向量机(Support Vector Machine, SVM)获得了90.3%的分类准确率,其受试者工作特性曲线(Receiver Operating Characteristic curve, ROC)下的面积(Area Under Curve, AUC)为0.97,为研究中的最高准确率.本文首次将机器学习分类算法应用于葡萄膜炎患者眼底OCT图像的分类中,是对葡萄膜炎诊断的探索性研究,对葡萄膜炎的辅助诊断具有重要意义.

• 单位
  新疆大学