ارایه مدلی از شبکه های عصبی خودسازمان ده سلسله مراتبی در جهت تشخیص و طبقه بندی ضایعات شبکیه برای درجه بندی رتینوپاتی دیابتی

دیابت، بیماری شایعی است که با ایجاد عوارض چشمی منجر به کاهش بینایی و کوری می گردد. در این پژوهش مدلی از شبکه های عصبی خودسازمان ده سلسله مراتبی در جهت تشخیص و طبقه بندی ضایعات شبکیه (رتینوپاتی دیابتی) ارایه شد.
نوع مطالعه به صورت مقطعی گذشته نگر می باشد که از دی تا اسفند 1394 در دانشگاه علوم پزشکی ارتش انجام پذیرفت. مطالعه بر روی پایگاه MESSIDOR که شامل 1200 تصویر از قطب خلفی چشم می باشد انجام گرفته است. تصاویر شبکیه به سه دسته خفیف، متوسط و شدید طبقه بندی شده اند. یک سیستم متشکل از یک طبقه بندی ترکیبی جدید از Self-organising map (SOM) algorithm برای تشخیص ضایعات شبکیه ارایه شده است. سیستم پیشنهادی شامل پیش پردازش سریع، استخراج ویژگی مربوط به ضایعات و در نهایت ارایه مدلی جهت طبقه بندی می باشد. در پیش پردازش، سیستم از سه فرآیند جداسازی اولیه ضایعات هدف، جداسازی دیسک نوری و درنهایت جداسازی عروق خونی از شبیکه تشکیل شده است. گام دوم مجموعه ای از ویژگی ها بر اساس توصیف های مختلف مانند مورفولوژی، رنگ، شدت نور و مومنت ها می باشند. طبقه بندی شامل ارایه یک مدل از شبکه های خودسازمان ده سلسله مراتبی می باشد که جهت تسریع و افزایش دقت در کلاس بندی ضایعات با مدنظر قرار دادن حجم بالای داده ها در استخراج ویژگی ارایه شده است.
میزان حساسیت، ویژگی و دقت به دست آمده از مدل پیشنهادی برای طبقه بندی ضایعات رتینوپاتی دیابتی، به ترتیب برابر با 98/51% (CI 95% 99/5% تا 96%)، 96/77% (CI 95% 97% تا 94%) و 97/87% (CI 95% 98% تا 95%) بود.
بر اساس نتایج به دست آمده، مدل پیشنهادی قادر است ضایعات را در تصاویر رتینوپاتی دیابتی تشخیص و با دقت مناسبی طبقه بندی نماید.