W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

Sensor data analysis and development of machine learning models for detection of glaucoma

Autorzy

[ 1 ] Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ 2 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ SzD ] doktorant ze Szkoły Doktorskiej | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2023

Opublikowano w

Biomedical Signal Processing and Control

Rocznik: 2023 | Tom: vol. 86, part C

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • Machine learning
  • Glaucoma
  • Personalized medicine
  • Sensors
  • Time series
Streszczenie

EN This paper focuses on analysis of data acquired using Triggerfish contact lens sensor and devices for continuous monitoring of cardiovascular system properties. One of the aims of our research is to build machine learning models that can be applied in clinical practice to detect glaucoma independently of currently used imaging techniques. We show that cardiac sensor data derived attributes are complementary to Triggerfish data and improve mean AUC estimates of the predictive models. We propose methods of attribute generation for raw data recorded by the devices. During data preprocessing we consider division of 24-hour monitoring period for time intervals depending on physiological circadian cycle properties. Comprehensive comparison of model predictive performance metrics is included. Our predictive model involving measurements of corneal biomechanical properties and sensor data based attributes provides AUC of 0.87. It can support glaucoma detection without direct intraocular pressure measurement. We also refer to the issues related to personalized medicine and application of machine learning techniques.

Data udostępnienia online

18.08.2023

Strony (od-do)

105350-1 - 105350-9

DOI

10.1016/j.bspc.2023.105350

URL

https://www.sciencedirect.com/science/article/pii/S1746809423007838?via%3Dihub

Uwagi

Article Number: 105350

Punktacja Ministerstwa / czasopismo

140

Impact Factor

4,9

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.