学术研究
无需编程的AutoML识别视乳头水肿:回顾性队列研究
英国莱斯特大学医院的一项回顾性队列研究,纳入289名患者的813张OCT近红外反射图像(正常视盘69人、视乳头水肿135人、视盘玻璃膜疣85人),评估三个自动机器学习平台区分视乳头水肿与正常视盘或玻璃膜疣,以及分级轻中度与重度。Amazon Rekognition表现最好,两项任务的AUC均为0.90,F1分数分别为0.81和0.79。
#视乳头水肿#视盘玻璃膜疣#自动机器学习 +1
PubMed Ophthalmology