自动化机器学习在眼部疾病识别及分类中的初步应用

摘要

目的:探讨自动化机器学习技术在眼部疾病识别及分类中的应用价值.方法:利用百度的图形化深度学习平台EasyDL,建立糖尿病视网膜病变、高度近视眼底病变、角膜溃疡等常见眼病的深度学习模型,并利用相关模型进行疾病的诊断及分类.结果:依据使用的数据集大小及质量不同,利用EasyDL构建的深度学习模型疾病识别及分类准确率可以达到85％～94％左右.结论:EasyDL等自动化机器学习平台非常适合作为人工智能学习的入门工具,帮助临床医生更好地理解及使用人工智能技术,促进人工智能在医疗领域的普及.