Learning ensemble classifiers for diabetic retinopathy assessment

رتینوپاتی دیابتی یکی از رایج ترین عوارض دیابت است. متاسفانه، غربالگری توصیه شده سالانه بیمار مبتلا به دیابت در بیماران مبتلا به دیابت ضروری به نظر می رسد. بنابراین، لازم است که ابزارهایی را ایجاد کنیم که ممکن است به پزشکان کمک کند تا خطر ابتلا به هر بیمار را برای رسیدن به این وضعیت تعیین کنند، به طوری که بیماران با خطر کمتری ممکن است غربالگری شوند و از منابع استفاده شود. در این مقاله، استفاده از دو نوع طبقه بندی سازهای آموخته شده از داده ها مورد بررسی قرار می گیرد: جنگل تصادفی فازی و مجموعه ای از نظم متعادلانه مجموعه ای مبتنی بر سلطه. این طبقه بندی ها از مجموعه ای از ویژگی هایی استفاده می کنند که عوامل اصلی را برای تعیین اینکه آیا بیمار در معرض ابتلا به رتینوپاتی دیابتی قرار دارد، نشان می دهد. سطوح ویژگی و حساسیت بدست آمده در مطالعه ارائه شده بیش از 80٪ است. بنابراین این مطالعه اولین گام موفقیتآمیز برای ایجاد یک سیستم پشتیبانی شخصی تصمیم گیری است که می تواند به پزشکان در عمل بالینی روزانه کمک کند.