一种基于随机森林模型的青光眼预测系统

本发明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。

背景技术：

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我优化，可以揭示个体信息和疾病间的隐藏关系，因此被应用于生命科学领域。特别是在对影像学依赖性强的眼科学，大量的影像学资源为机器学习提供数据资源，这些资源利于机器学习在眼科疾病的预测和诊断方面发挥巨大作用。中国发明专利“cn113444788b青光眼诊断产品及应用”尝试通过集中基因表达量的检测，结合机器学习模型对青光眼进行诊断。然而其检测性能仍然不够理想。此外，基因表达量的检测所需要的试剂成本较高，相比于常规的生化检测推广应用更加困难。因此，仍然有必要开发其他的青光眼机器学习诊断方法。目前现有技术中尚缺乏其他如何利用各种生化指标构建青光眼诊断相关机器学习模型的研究，因此，提出适用于青光眼诊断的机器学习模型的相关诊断指标仍然是本领域亟需解决的问题。

技术实现思路

1、针对现有技术的问题，本发明提供一种青光眼预测系统，目的在于优选合适的生化指标，构建用于青光眼诊断的机器学习模型。

2、一种青光眼预测系统，包括：

3、输入模块，用于输入受试者的检测信息；

4、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；

5、输出模块，用于输出预测模块的计算结果；

6、其中，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、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。

7、优选的，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。

8、优选的，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。

9、优选的，所述机器学习模型的算法为随机森林。

10、优选的，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。

11、优选的，建立所述机器学习模型时，利用selectpercentile函数进行特征提取，提取对预测贡献最大的前15％的特征，最后构建带有5折交叉验证的随机森林模型。

12、本发明还提供一种计算机可读存储介质，其上存储有用于实现上述预测系统的计算机程序。

13、本发明通过优化输入模型的生化指标，构建了能够准确预测青光眼的机器学习模型。本发明构建的随机森林模型f1-score为0.96，精度为0.95，特异性为1.00，灵敏度为0.91，auc面积为0.99，模型性能优异，具有很好的应用前景。

14、显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。

15、以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。

技术特征：

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，利用selectpercentile函数进行特征提取，提取对预测贡献最大的前15％的特征，最后构建带有5折交叉验证的随机森林模型。

7.一种计算机可读存储介质，其特征在于：其上存储有用于实现权利要求1-6任一项所述的预测系统的计算机程序。

技术总结本发明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。技术研发人员：黄璐琳,邓燕辉,帅平,李泓靓受保护的技术使用者：四川省医学科学院·四川省人民医院技术研发日：技术公布日：2024/6/13