تشخیص بیماری های شایع چشمی در تصاویر شبکیه حاوی آب مروارید با استفاده از شبکه یادگیری عمیق

یکی از راه های تشخیص بیماری های چشمی، بررسی تصاویر سطح داخلی شبکیه چشم توسط متخصص است. اما در بیماران مبتلا به بیماری آب مروارید، به دلیل محوشدگی تصاویر سطح داخلی شبکیه، تشخیص سایر بیماری ها بسیار دشوار می باشد. هدف از این مقاله ارایه روشی مبتنی بر یادگیری عمیق جهت افزایش دقت تشخیص بیماریهای شایع چشمی در حضور آب مروارید و سایر ضایعات شبکیه چشم می باشد. در روش پیشنهادی، جهت رفع مشکل همپوشانی متقابل بین بیماری ها که منجر به تشخیص غیر صحیح بیماری می شود، از تکنیک وزن دهی در آموزش مدل به منظور افزایش قابلیت تشخیص شبکه یادگیری عمیق استفاده می گردد. همچنین به دلیل محدودیت در تعداد تصاویر حاوی آب مروارید شامل سایر بیماری های چشمی، برای آموزش شبکه یادگیری عمیق، انواع مدل های تخریب تصاویر سطح داخلی شبکیه چشم جهت شبیه سازی تصاویر آب مروارید و بعضی ضایعات شبکیه چشم به صورت مصنوعی تولید و در فرآیند آموزش شبکه استفاده می شوند. نتایج حاصل از ارزیابی بر روی پایگاه های مرجع تصاویر سطح داخلی شبکیه چشم نشان می دهد که آلگوریتم پیشنهادی توانسته است برای بیماری های تباهی لکه زرد، نزدیک بینی، بافت عروق کوروییدی، آب سیاه، نیوواسکولاریزاسیون قرنیه و شبکیه رنجوری دیابتی در شرایط وجود آب مروارید به ترتیب به مقدار صحت 80، 82، 79، 81، 80 و 65 دست یابد.