成果信息

本研究在对54000份临床眼底图像样本分析的基础上，将前沿机器学习方法和图像处理技术应用到基于眼底图像的医学循证分析中，在针对各种特征选择和分类器学习方法的实验性选择基础上，开发基于小波变换和图像轮辐分析的综合特征构建方法，针对基于单一模型的大规模图像分类训练周期长，性能泛化能力差的不足，给出一种利用大数据平台的特别针对眼底图像分类的分布式、多分类器协同构建的集成学习方法。)

背景介绍

眼底疾病可导致视力下降，是致盲的首要原因。传统的眼底疾病早期筛查方法是眼底成像术与医生主观分析相结合，这无法满足当前大数据和精准医学的需求。)

应用前景

本研究在对54000份临床眼底图像样本分析的基础上，将前沿机器学习方法和图像处理技术应用到基于眼底图像的医学循证分析中，在针对各种特征选择和分类器学习方法的实验性选择基础上，开发基于小波变换和图像轮辐分析的综合特征构建方法，针对基于单一模型的大规模图像分类训练周期长，性能泛化能力差的不足，给出一种利用大数据平台的特别针对眼底图像分类的分布式、多分类器协同构建的集成学习方法，初期实验结果表明最终获得的眼底疾病筛查模型的综合精度与效率性能具有很强的可用性，针对于云平台下远程眼科疾病分类辅助诊断及眼科疾病的预防等方面具有广阔的应用前景。)