摘要
本发明请求保护一种基于动态角膜纹理的圆锥角膜分析系统,包括有依次连接的图像采集单元、图像预处理单元、特征提取单元和特征筛选单元;提出了多时间点角膜动态图像纹理分析方法,为确保筛选出的特征具备最优诊断能力,通过递归特征消除法筛选最具诊断价值的特征集,为FFKC的高精度识别奠定基础。机器学习分类系统包括分割模块、模型训练模块、模型测试模块和性能评估模块,用于获得机器学习分类器;模型通过ROC曲线和混淆矩阵评估模型性能,确保高灵敏度和高特异性。构建融合动态纹理与角膜生物力学参数的多模态识别平台,依次包括数据输入、处理、模型与输出模块,实现高效的FFKC识别与辅助诊断。
技术关键词
机器学习分类器
生物力学参数
角膜
纹理特征
图像采集单元
特征提取单元
模型训练模块
分析系统
测试模块
矩阵
动态
分析仪
识别奠定基础
纹理分析方法
感兴趣
曲线拟合方法