ارزیابی یادگیری الکترونیکی جهت تشخیص زود هنگام هومورژهای شبکیه در رتینوپاتی دیابتی

سازمان بهداشت جهانی انتظار دارد تعداد مبتلایان به دیابت در 25 سال آینده از 130 میلیون نفر به بیش از 350 میلیون نفر افزایش یابد. این بیماری به سرعت منجر به بیماری های قلبی گردیده و باعث بروز اختلالات گوناگونی در شبکیه می شود. تاثیر مخرب بیماری دیابت بر روی شبکیه، دیابتیک رتینوپاتی نامیده می شود. در نتیجه، هدف این مقاله این است که بتوان با استفاده از یادگیری الکترونیکی و به صورت اتوماتیکی (کامپیوتری)، از درون تصاویر رنگی شبکیه، پاتولوژی های قرمز رنگ شبکیه بنام هومورژ هارا تشخیص داد.
یک مجموعه داده یادگیری از هومورژها و غیرهومورژها ایجاد شده است. مجموعه داده یادگیری نمونه ما شامل 35000 پیکسل هومورژ و 33000 پیکسل غیرهومورژ میباشد. از روش ریخت شناسی و تکنیک تشخیص پاتولوژی های هومورژها برمبنای پیکسل، به منظور جداسازی این پاتولوژی ها از سایر ساختارهای تصاویر استفاده شده است. سپس با استفاده از دسته بندی کننده ای بنام درخت های تصمیم، جراحت های شبکیه به دو کلاس هومورژ و غیر هومورژ دسته بندی می شوند.
در مرحله تست، این روش توانست بعد از استخراج 68000 پیکسل از تصاویر شبکیه و دسته بندی آنها با استفاده از فرمول دسته بندی کننده درخت های تصمیم، به حساسیت 98%، ویژگی 14/97% و دقت 57/97% دست یابد.
در این پژوهش، بعد از استفاده از روش های مختلف، روش ریخت شناسی، کارایی بالاتری نسبت به سایر روش ها داشت و در مقایسه با روش های تشخیص بالینی (سنتی) از دقت خوبی برخوردار بود.