绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 1 条结果
[硕士论文] 章佳
计算机科学与技术 西安电子科技大学 2017(学位年度)
摘要:小儿白内障是一种严重影响儿童视觉发育的眼部疾病,它是当今导致儿童失明的主要原因之一,对患者的健康和生活构成了极大的威胁。随着裂隙灯图像技术逐渐应用到眼部疾病诊断中,以及近年来机器学习和人工智能领域的大规模兴起,以图像识别为关键技术的计算机辅助诊断成为了一种新型的小儿白内障医疗模式。此外,经历晶状体摘除和人工晶状体植入手术后,很大一部分小儿白内障患者在一年内会出现术后并发症症状,妨碍了患者的术后恢复和视觉再发育,甚至可能二次致盲,但引起小儿白内障术后并发症的因素还暂时未得到定论。然而,由于白内障的多发群体仍以老年居多,且目前关于小儿白内障的样本病历数据保存不多,相关研究还暂时处于起步阶段。
  本文采用中山大学眼科中心收集的小儿白内障红反图像数据和术后并发症结构化病历数据对疾病诊断问题进行研究。基于样本的术前红反图像,文章通过将颜色矩及灰度共生纹理、小波变换、局部二值模式、词袋模型等视觉特征提取手段与分类学习算法SVM、k近邻、LDA相互结合,构建出多个小儿白内障分级预测模型,并将深度学习算法DBN也加入到实验对比中,最终使用9种不同的方法对小儿白内障的三个分级标准(面积大或小、密集程度稠密或稀薄和分布位置是否覆盖中央)进行学习和预测。通过仿真实验,本文将不同特征抽取方法的分类性能和时间性能进行了比较,并针对红反图像诊断问题,评估了使用传统机器学习算法和深度学习算法进行分类的优劣,最后还对9种方法的参数敏感性进行了较为详尽地分析。另外,本文还以小儿白内障术后并发症的结构化病历数据为依据,分别采用朴素贝叶斯和随机森林分类模型对患者的两种术后并发症(后发障和高眼压)进行预测,并通过SMOTE过采样方法对样本进行平衡处理。
  本文研究工作的前期成果已发表在Nature Biomedical Engineering中,并被IEEE Spectrum报道。在本文的红反图像分级诊断研究中,使用BOW模型进行图像特征提取并以SVM作为分类器的组合方法在小儿白内障的三个分级预测问题中均得到了高达95%以上的准确率,而且误诊和漏诊的情况较少。因此,经方法比对后本文提供的最优小儿白内障分级预测模型具有较高的识别率和可靠性,可以作为一种自动化诊断工具辅助医生完成初步的病情判断。此外,在术后并发症的预测研究中,经过样本均衡化处理,朴素贝叶斯和随机森林两种分类模型对三个并发症问题的预测结果基本均达到了80%以上的准确率。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部