Показать сокращенную информацию

Классификация стадий глаукомы с помощью машинного обучения

Classification of glaucoma stages using machine learning

dc.contributor.authorКалиниченко, А. В.
dc.contributor.authorМуштина, Т. А.
dc.date.accessioned2026-09-18T13:05:31Z
dc.date.available2026-09-18T13:05:31Z
dc.date.issued2026
dc.identifier.urihttps://rep.bsmu.by/handle/BSMU/64112
dc.descriptionКалиниченко, А. В. Классификация стадий глаукомы с помощью машинного обучения / А. В. Калиниченко, Т. А. Муштина ; науч. рук. Т. В. Качан // Актуальные проблемы современной медицины и фармации – 2026 : сб. материалов докл. LXXX Междунар. науч.-практ. конф. студентов и молодых ученых, Минск, 29-30 апр. 2026 г. / Белорус. гос. мед. ун-т ; под ред. С. П. Рубниковича, М. Ю. Ревтовича. – Минск : БГМУ, 2026. – С. 574–578.ru_RU
dc.description.abstractДля стадирования ПОУГ построены четыре модели машинного обучения. На тестовой выборке точность моделей составила 84,6–92,3%, лучший результат показал Random Forest. На основе топ-6 наиболее значимых признаков (MD, возраст, PSD, sup 90°, толщина RNFL в темпорально-нижнем секторе, толщина GCL в нижнем секторе) создана упрощённая модель, сохранившая точность 92,3% и может быть рекомендована для клинического использования.ru_RU
dc.description.abstractFor POAG staging, four machine learning models were developed. Test accuracy ranged from 84.6% to 92.3%, with Random Forest achieving the best result. A simplified model based on the top‑6 features (MD, age, PSD, sup 90°, inferotemporal RNFL thickness, inferior GCL thickness) preserved 92.3% accuracy and can be recommended for clinical use.
dc.language.isoruru_RU
dc.publisherБГМУru_RU
dc.titleКлассификация стадий глаукомы с помощью машинного обученияru_RU
dc.titleClassification of glaucoma stages using machine learning
dc.typeArticleru_RU


Файлы в этом документе

Thumbnail
Имя:
574_578.pdf
Размер:
536.3Kb
Формат:
PDF
Открыть

Данный элемент включен в следующие коллекции

Показать сокращенную информацию