Verbesserungsmöglichkeiten der Glaukomdiagnose anhand von Double-Bagging

Hothorn T., Lausen B.,
Friedrich-Alexander-Universität, Institut für Medizininformatik, Biometrie und Epidemiologie (IMBE) (Erlangen)

Hintergrund: Ziel ist es, die Klassifikation von Patienten als gesund oder glaukomatös basierend auf Meßgrößen des Heidelberg Retina Tomographen (HRT) und anamnestischen Daten durch eine Kombination von linearen und baum-basierten Klassifikationsverfahren zu verbessern.
Methode: Die Güte von baum-basierten Klassifikatoren für die Glaukom-Klassifikation basierend auf HRT Standardparametern kann durch Bootstrap Aggregation verbessert werden (Mardin et al., 2002). In Monte-Carlo Untersuchungen zum Verhalten von Klassifikatoren für HRT-Parameter wurde gezeigt, daß baum-basierte Verfahren in der Lage sind, Subgruppen von Patienten zu identifizieren. Basierend auf diesen Erkenntnissen schlagen wir eine weitere Verbesserung durch eine Kombination von linearen und baum-basierten Klassifikatoren vor ("Double-Bagging").
Ergebnisse: Double-Bagging weist Fehlerraten auf, welche vergleichbar mit der besseren der beiden kombinierten Methoden sind. Für die Querschnittsstudie (Mardin et al., 2002) wurde eine Fehlerrate von 14,3% (Sensitivität: 81,6%, Spezifität: 89,8%) geschätzt.
Schlussfolgerungen: Kombinierte Klassifikatoren sind in der Lage, die Fehlerraten für die Glaukom-Klassifikation zu senken und die geschätzten Fehlerraten sind nicht bezüglich einer Methodenselektion verzerrt.
Literatur: Mardin CY, Hothorn T, Peters A, Jünemann AG, Michelson G, Lausen B (2002): New Glaucoma Classification Method Based on Standard HRT Parameters by Bagging Classification Trees, eingereicht

Copyright © Deutsche Ophthalmologische Gesellschaft, 2002. All rights reserved.

Last updated: 

Webdesign: SPALLEK.COM