基于集成学习的计算机辅助诊断青光眼算法研究

在青光眼诊断中，眼底照和光学相干断层扫描（OCT）是最主要的两种眼科检查手段。对于眼底照和OCT图像数据，首先设计基于专家知识的机器学习算法，提取杯盘比曲线和视神经纤维层厚度曲线的尺度和形态特征，进而提出一种基于Dempster-Shafer（DS）证据推论的多视图集成学习方法，利用支持向量机（SVM）和逻辑回归进行青光眼预测。在一个真实数据集合上，对所提方法的预测性能进行了评估实验，结果表明，本文算法与眼科专家出具的诊断结果高度一致，并且比已有算法有更好的敏感性、特异性和更高的预测准确率。