تشخیص رتینوپاتی دیابتی با تحلیل اگزودا در تصاویر شبکیه با استفاده از یادگیری عمیق
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 روش های معمول مبتنی بر استخراج بردار ویژگی میباشد. در این روش ابتدا بر اساس داده های 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 تماما متصل آموزش دیده و ساخته میشوند. شبکه عصبی کانولوشن ویژگی های موجود در تصویر شبکیه را آموخته و ویژگی های مناسب را برای دسته بندی 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 کاملا مشهود هست.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.