تشخیص رتینوپاتی دیابتی با تحلیل اگزودا در تصاویر شبکیه با استفاده از یادگیری عمیق

مجله فناوری اطلاعات در طراحی مهندسی

مقاله 2، دوره 10، شماره 2، اسفند 1396، صفحه 13-25   

نوع مقاله: مقاله پژوهشی

نویسندگان

ملیحه شارعی نیا؛ سید محمد حسین معطر^*

هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد مشهد

چکیده

رتینوپاتی دیابتی، عارضهای ناشی از دیابت است که بدلیل تغییرات ایجاد شده در رگهای خونی رخ میدهد. هدف اصلی این مقاله،
ارتقاء دقت تشخیص رتینوپاتی دیابتی در تصاویر شبکیه نسبت به روشهای معمول مبتنی بر استخراج بردار ویژگی میباشد. در این
روش ابتدا بر اساس دادههای آموزشی لایه به لایه شبکه عصبی آموزش دیده و در نهایت شبکه عصبی کانولوشن با کمک چهار لایه
کانولوشن، چهار لایه ادغام و دو لایه تماماً متصل آموزش دیده و ساخته میشوند. شبکه عصبی کانولوشن ویژگیهای موجود در تصویر
شبکیه را آموخته و ویژگیهای مناسب را برای دستهبندی تصاویر استخراج میکند. در این مقاله توانستیم در آزمایشهای خود به بهبود
برای آزمودن روش ،Stare قابل قبولی نسبت به کارهای انجام شدهی قبلی برسیم که با توجه به بررسی 397 نمونه از پایگاه داده
پیشنهادی و بدست آوردن نرخ حساسیت 90 % و صحت 96 % موفقیت روش بر روی این پایگاه داده کاملاً مشهود هست.

کلیدواژه‌ها

یادگیری عمیق؛ شبکه های عصبی کانولوشن؛ استخراج ویژگی؛ رتینوپاتی دیابتی