基于集成机器学习的糖尿病视网膜病变检测
图像与视频处理
2021-06-24 v1 计算机视觉与模式识别
机器学习
摘要
糖尿病视网膜病变(DR)是糖尿病患者全球范围内导致视力丧失的主要原因之一。DR是一种影响眼视网膜的微血管疾病，其引起血管阻塞，从而切断视网膜组织的主要营养来源。该视觉障碍的治疗在最早阶段被发现时最为有效，因为严重的DR可导致不可逆的失明。然而，DR的识别需要眼科医生的专业知识，这通常昂贵且耗时。因此，人们引入了自动检测系统，旨在简化识别过程，使其以省时且经济高效的方式在全球范围内可用。然而，由于针对这一特定眼疾的可靠数据集和医疗记录有限，所获得的预测准确率相对不尽如人意，不足以让眼科专家将其作为诊断系统依赖。因此，我们探索了一种基于集成的学习策略，将大量知名分类算法融合于一个复杂的诊断模型中。所提出的框架在该领域所有其他常见分类算法中取得了最高的准确率。我们生成了4个子数据集，分别包含由InfoGainEval和WrapperSubsetEval从Messidor数据集中选出的前5和前10特征，在InfoGainEval前5特征和原始数据集上分别取得了70.7%和75.1%的准确率。结果表明了该子数据集的优异性能，其显著有助于降低分类过程的复杂度。
引用
@article{arxiv.2106.12545,
title = {Diabetic Retinopathy Detection using Ensemble Machine Learning},
author = {Israa Odeh and Mouhammd Alkasassbeh and Mohammad Alauthman},
journal= {arXiv preprint arXiv:2106.12545},
year = {2021}
}