基于双层集成模型的糖尿病视网膜病变预测
机器学习
2025-10-02 v1
摘要
摘要：本文作者预印本版本的论文，已被接受将在 IISE 年度会议与展览会2025年正式 proceedings 中发表。糖尿病视网膜病变（DR）是工作年龄成年人失明的主要原因，当前诊断方法依赖资源密集型的眼科检查和专业设备。图像基因AI工具在早期阶段检测方面存在局限性，这促使需要 alternative 方法。我们提出一种基于常规实验室检验结果的非图像型、双层集成模型，用于DR预测。在第一阶段，使用线性支持向量机（Linear SVC）、随机森林、梯度提升和 XGBoost 进行 hyperparameter 调整，并通过内部堆叠不同配置来优化准确率、召回率和精确率。在第二阶段，使用随机森林作为 meta-learner 对预测进行聚合。这种分层堆叠策略在提高泛化能力、跨指标性能平衡方面具有优势，同时相较于深度学习方法具有计算效率优势。该模型实现了准确率 0.9433、F1 分数 0.9425、召回率 0.9207、精确率 0.9653、ROC-AUC 0.9844 和 AUPRC 0.9875，超越了一级堆叠和 FCN 框架。这些结果凸显了该模型在临床环境中实现准确且可解释的DR风险预测的潜力。
引用
@article{arxiv.2510.01074,
title = {Predicting Diabetic Retinopathy Using a Two-Level Ensemble Model},
author = {Mahyar Mahmoudi and Tieming Liu},
journal= {arXiv preprint arXiv:2510.01074},
year = {2025}
}
备注
Accepted for presentation at the IISE Annual Conference & Expo 2025, 6 pages, 2 tables, 1 figure