The invention provides a method for diagnosing keratoconus cases based on XGBoost+SVM hybrid machine learning, which includes the following steps: collecting corneal examination data of ophthalmic patients, labeling each corneal sample with a class label keratoconus, suspected keratoconus and normal cornea as training sample data by ophthalmologist, and characterizing each feature of corneal sample data respectively. Value normalization is used to map the data between intervals [0,1]; XGBoost is used to expand the feature set of the sample data, and the expanded feature set is used as the training feature of the sample; SVM diagnostic model is built based on the training feature of the sample data; and diagnostic model is used to diagnose and predict new cases. Experiments show that the diagnostic effect of this method has satisfied the clinical application. Using this method to screen keratoconus, especially suspected keratoconus, can reduce the dependence on the diagnosis of medical experts, and basically improve the diagnostic efficiency and accuracy.
【技术实现步骤摘要】
一种基于XGBoost+SVM混合机器学习诊断圆锥角膜病例的方法
本专利技术属于眼科医疗诊断领域,涉及机器学习技术,尤其是一种基于XGBoost+SVM混合机器学习诊断圆锥角膜病症的方法。
技术介绍
圆锥角膜(keratoconus)是一种以角膜扩张为特征,致角膜中央或旁中央区向前凸出呈圆锥形及产生高度不规则近视散光和不同视力损害的原发性角膜变性疾病,其可以是一种独立的疾病,也可以是多种综合征的组成部分。其多发生于青春期前后,不伴有炎症。晚期会出现急性角膜水肿,形成瘢痕,视力严重受损。明显的圆锥角膜易于确诊。当外观及裂隙灯所见不典型时,早期诊断较困难。最有效的方法为角膜地形图检查。但即便如此,早期圆锥角膜的诊断标准并未完全统一,对于相对复杂的疑似圆锥角膜病例多需由经验丰富的专家进行详细会诊讨论才能给予相对准确的诊断;同时大量的病例、有限的专家、复杂的角膜参数都给圆锥角膜的早期诊增加了很大的难度。因此圆锥角膜的早期筛查已成为亟待解决的关键问题。本专利技术中涉及到的极值梯度提升模型(XGBoost)算法是现今工业上应用最多的机器学习模型之一,其基分类器可以从决策树(gbtree)和线性(gblinear)核函数中任意选择。XGBoost内部包含大量的决策回归树,使用残差来提升模型,并且加入了正则化以防止过拟合,保证模型的鲁棒性。本专利技术首先使用训练样本训练XGBoost模型来扩充新特征,其方法为:基于XGBoost迭代产生的决策树的结构特征,可以记录每条训练样本数据在各决策树叶子结点中的位置,依此对该训练样本进行One-Hot编码,将其作为该训练数据的新特征 ...
【技术保护点】
1.一种基于XGBoost+SVM混合机器学习诊断圆锥角膜病例的方法,其特征在于:包括如下步骤:步骤1:采集眼科病人的角膜检查数据,由眼科专家为每个角膜样本标注一个类别标签,分别为圆锥角膜、疑似圆锥角膜、正常角膜,作为训练样本数据;步骤2:对角膜样本数据的各类特征分别进行特征值归一化处理,使其映射到区间[0,1]之间;步骤3:采用XGBoost对样本数据进行特征扩建,将扩建后的特征集作为样本的训练特征;步骤4:基于样本数据的训练特征,训练构建SVM诊断模型;步骤5:使用诊断模型对新病例进行诊断预测,将新病例判定为圆锥角膜、疑似圆锥角膜、或正常角膜。
【技术特征摘要】
1.一种基于XGBoost+SVM混合机器学习诊断圆锥角膜病例的方法,其特征在于:包括如下步骤:步骤1:采集眼科病人的角膜检查数据,由眼科专家为每个角膜样本标注一个类别标签,分别为圆锥角膜、疑似圆锥角膜、正常角膜,作为训练样本数据;步骤2:对角膜样本数据的各类特征分别进行特征值归一化处理,使其映射到区间[0,1]之间;步骤3:采用XGBoost对样本数据进行特征扩建,将扩建后的特征集作为样本的训练特征;步骤4:基于样本数据的训练特征,训练构建SVM诊断模型;步骤5:使用诊断模型对新病例进行诊断预测,将新病例判定为圆锥角膜、疑似圆锥角膜、或正常角膜。2.根据权利要求1所述的基于XGBoost+SVM混合机器学习诊断圆锥角膜病例的方法,其特征在于:步骤2归一化处理的具体公式如下:其中:x为原始特征值,xmax为该类别特征最大值,xmin为该类别特征最小值,x*为该特征归一化后的取值。3.根据权利要求1所述的基于XGBoost+SVM混合...
【专利技术属性】
技术研发人员:张琳,季书帆,王雁,徐佳慧,王书航,裴乐琪,崔彤,
申请(专利权)人:王雁,季书帆,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。