机构名称：
¥ 1.0
摘要 如果青光眼这种眼部疾病未被发现且未得到适当治疗，则会导致不可逆的失明。最大的挑战是青光眼在早期往往没有任何症状，因此很难使用眼压测量和眼科检查等传统测试方法进行检测。由于训练数据集不足，几种青光眼检测技术遇到了困难，导致过度拟合和欠拟合问题。提出了一种基于 CNN-SVM 的混合机器学习方法来检测青光眼。首先使用标准标量对从青光眼数据集中获取的图像进行预处理，然后将预处理后的图像输入 CNN 以转换为高级特征，随后将提取的特征传递到 SVM 分类器以区分正常情况和青光眼情况。实验结果表明，所提出的 CNN-SVM 的准确率、精确率、召回率和 F1 分数均为 100%，证明了其优于其他现有技术，例如 SVM 的准确率、精确率、召回率和 F1 分数分别为 93%、92%、90% 和 94%，CNN 的准确率、精确率、召回率和 F1 分数分别为 95%、99%、88% 和 90%。CNN 和 SVM 的结合为自动青光眼检测提供了一个有前途的框架，为现实世界的临床应用提供了巨大潜力。 关键词：混合机器学习技术、青光眼检测、CNN、SVM、CNN-SVM 简介 人体共有五种感官：触觉、视觉、听觉、嗅觉和味觉；然而，视觉是最常用的感官之一。处理视觉信息需要大量的脑力（广州等人，2019 年）。青光眼、糖尿病视网膜病变、白内障、弱视、屈光不正和老年性黄斑变性是一些可能导致
使用混合机器学习检测青光眼...
主要关键词
相关文件推荐
