基于深度学习的圆锥角膜无监督与半监督分类
机器学习
2020-02-03 v1 机器学习
图像与视频处理
摘要
透明的角膜是眼睛的窗口，促进光线进入并控制光在眼内的聚焦运动。角膜至关重要，贡献了眼睛 75% 的屈光力。圆锥角膜(KC)是一种进行性、多因素的角膜退行性疾病，全球每 2000 人中影响 1 人。目前除针对晚期圆锥角膜的角膜移植或仅能阻止 KC 进展的角膜交联术外，尚无治愈方法。准确识别隐匿性 KC 或 KC 进展具有重大临床意义。迄今为止，关于分类 KC 患者的实用模型鲜有共识，从而阻碍了准确预测疾病进展的能力。本文利用机器学习分析 124 名 KC 患者的数据，包括地形和临床变量。参考现有的 Amsler-Krumeich (A-K) 分类系统，采用有监督多层感知机和无监督变分自编码器模型对 KC 患者进行分类。两种方法均获得高准确率，无监督方法表现更优。结果表明，选取 29 个变量的无监督方法可成为为临床医生提供自动分类工具的强有力手段。这些结果为圆锥角膜进展与治疗的进一步分析提供了平台。
引用
@article{arxiv.2001.11653,
title = {Deep Learning Based Unsupervised and Semi-supervised Classification for Keratoconus},
author = {Nicole Hallett and Kai Yi and Josef Dick and Christopher Hodge and Gerard Sutton and Yu Guang Wang and Jingjing You},
journal= {arXiv preprint arXiv:2001.11653},
year = {2020}
}
备注
7 pages, 8 figures, 3 tables