一种基于随机森林模型的青光眼预测系统技术方案

本发明专利技术属于眼科疾病机器学习诊断技术领域，具体涉及一种基于随机森林模型的青光眼预测系统。本发明专利技术的系统包括：输入模块，用于输入受试者的检测信息；预测模块，用于将所述检测信息作为特征输入机器学习模型，预测受试者患有青光眼的风险；输出模块，用于输出预测模块的计算结果；其中，所述检测信息包括如下指标中的至少一种：胆红素、亚硝酸盐、肌酐、淋巴细胞率、红细胞压积、肌酸激酶同工酶MB活性、红细胞数、单核细胞率、血红蛋白、白细胞计数、红细胞平均血红蛋白浓度、钾、肌酸激酶和胱抑素C。本发明专利技术系统能够准确预测青光眼，在临床上具有很好的应用前景。

【技术实现步骤摘要】

本专利技术属于眼科疾病机器学习诊断，具体涉及一种基于随机森林模型的青光眼预测系统。

技术介绍

1、青光眼是居于全球发病率首位的不可逆致盲眼病，其中原发性开角型青光眼为慢性进行性视神经病变。该病的致病原因是眼压超过了视神经的可耐受程度，导致视神经损伤、视野缺损，直至失明。治疗策略主要为降低眼压以尽量阻止视野缺损进展。

2、现有技术中，由于青光眼的诊断没有单一的完善的参考标准，所以完整和准确的青光眼诊断需要彻底的眼科检查。青光眼的病症是诊断最重要的方面，如青光眼视网膜神经节细胞死亡和视神经纤维丢失，视神经头和视网膜神经纤维层的外观特征性变化。非眼科医生可以直接通过视镜检查发现青光眼视盘损伤，但缺乏立体视野严重限制了对视盘检测的准确性。眼科医生可以使用视周测量法来检测视野缺陷。视厚测量法来测量角膜厚度，眼压测量法测量眼压。除了临床检查，共聚焦扫描激光眼镜、光学相干断层扫描和扫描激光偏振镜是用于检测青光眼神经纤维丢失和视盘变化的成像方式。

3、机器学习作为人工智能的主要技术方向，与以往计算机程序的不同在于人工智能可以在大数据量的情况下进行自本文档来自技高网...

【技术保护点】

1.一种青光眼预测系统，其特征在于，包括：

2.按照权利要求1所述的预测系统，其特征在于：所述检测信息包括血液中的如下指标中的至少一种：胆红素、亚硝酸盐、肌酐和淋巴细胞率。

3.按照权利要求1所述的预测系统，其特征在于：所述机器学习模型的算法为随机森林、核支持向量机或梯度提升机。

4.按照权利要求3所述的预测系统，其特征在于：所述机器学习模型的算法为随机森林。

5.按照权利要求4所述的预测系统，其特征在于：建立所述机器学习模型时，利用欠抽样的方法时数据集平衡。

6.按照权利要求4所述的预测系统，其特征在于：建立所述机器学习模型时...

【技术特征摘要】

1.一种青光眼预测系统，其特征在于，包括：

2.按照权利要求1所述的预测系统，其特征在于：所述检测信息包括血液中的如下指标中的至少一种：胆红素、亚硝酸盐、肌酐和淋巴细胞率。

3.按照权利要求1所述的预测系统，其特征在于：所述机器学习模型的算法为随机森林、核支持向量机或梯度提升机。

4.按照权利要求3所述的预测系统，其特征在于：所述机器学习模型的算法为随机森林。

5.按照权利...

【专利技术属性】
技术研发人员：黄璐琳，邓燕辉，帅平，李泓靓，
申请(专利权)人：四川省医学科学院·四川省人民医院，
类型：发明
国别省市：