用于脓毒症与非脓症患者微循环图像分类的机器学习算法
计算机视觉与模式识别
2019-02-21 v2 机器学习
机器学习
摘要
脓毒症是一种危及生命的疾病，也是医院中主要的死亡原因之一。微循环功能障碍成像是一种用于脓毒症自动诊断的有前景的方法。我们报告了一种机器学习分类器，能够从患者的暗场微循环视频中区分非脓毒症和脓毒症图像。该分类器达到 89.45% 的准确率。分类器的受试者工作特征曲线下面积为 0.92，精确率为 0.92，召回率为 0.84。使用 t-SNE 嵌入可视化了训练分类器所学特征空间的代码，并且可分离且区分了危重患者和非脓毒症患者的图像。使用独立于临床诊断的无监督卷积自编码器，我们还报告了来自与健康图像和具有微循环功能障碍图像相关的压缩表示的所学特征的聚类。我们训练的分类器用于区分脓毒症和非脓症患者图像的特征空间具有潜在的诊断应用价值。
引用
@article{arxiv.1811.02659,
title = {Machine Learning Algorithms for Classification of Microcirculation Images from Septic and Non-Septic Patients},
author = {Perikumar Javia and Aman Rana and Nathan Shapiro and Pratik Shah},
journal= {arXiv preprint arXiv:1811.02659},
year = {2019}
}
备注
Accepted for publication at 2018 IEEE International Conference on Machine Learning and Applications (IEEE ICMLA)