Применение методов машинного обучения для диагностики первичной открытоугольной глаукомы по мультимодальным данным

Abstract

Для диагностики первичной открытоугольной глаукомы разработаны модели машинного обучения: Decision Tree, Logistic Regression, Random Forest, XGBoost (на основе анализа 31 глаза с диагнозом ПОУГ и 34 здоровых глаза). Наиболее эффективной моделью оказалась Decision Tree.

For the diagnosis of primary open-angle glaucoma, machine learning models have been developed: Decision Tree, Logistic Regression, Random Forest, XGBoost (based on the analysis of 31 eyes diagnosed with POAG and 34 healthy eyes). The Decision Tree turned out to be the most effective model.