97. Jahrestagung der DOG 1999

K22

VERGLEICH VON BACKPROPAGATIONS- UND RBF - NEURONALEN NETZEN ZUR KLASSIFIKATION VON GESICHTSFELD-UNTERSUCHUNGEN

G. Zahlmann, A. Wegner 1, M. Scherf, M. Obermaier 1


Hintergrund: Die meisten Studien, die sich mit der Klassifikation von Gesichtsfelduntersuchungen durch neuronale Netze (NN) beschäftigen, setzen die Methode der Backpropagation als Lernmethode ein. Diese Methode setzt voraus, daß der Eingangsraum des neuronalen Netzes genau den Reizkoordinaten des Perimeters entspricht. Jedes Perimeter mit seinen spezifischen Reizmustern kann somit in genau einer Eingangsschicht eines solchen NN abgebildet werden. Wesentlich flexibler in der Abbildung des Eingangsraumes sind RBF (radial basis function) Netze, die auch noch in einer Umgebung des eigentlichen Eingabeschwerpunktes sensitiv auf Eingabeparameteränderungen reagieren. Diese beiden Ansätze wurden bezüglich Sensitivität und Spezifität der Klassifikation von Gesichtsfeldern untersucht.

Methoden: 2752 Gesichtsfelder wurden durch einen Klinikexperten vorklassifiziert in die Klassen 'normal'. 'glaukomatös' und 'andere Pathologien'.

 
  'normal' 'glaukomatös' 'andere Pathologien'
Training 608 1192 425
Validierung 210 108 209


Mittels der Trainingsdatensätze wurden zunächst beide Netzwerktypen erstellt. Die Validierung erfolgte mit dem zweiten, für das Training nichtbenutzten Datensatz.

Ergebnisse: Die Sensitivitäten und Spezifitäten zeigt die nachfolgende Tabelle:
Neuronales Netz Sensitivität Spezifität
RBF 72% 70%
Backpropagation 67% 78%


Schlußfolgerung: Beide Methoden sind bezogen auf Datensätze gleicher Perimeter und gleicher Programme bis auf geringe Graduierungen gleichwertig.

GSF medis, Ingolstädter Landstr. 1, D - 85764 Oberschleißheim

1 Augenklinik rechts der Isar , TU München, Ismaninger Straße, D - 81675 München


Zurück