تشخیص بیماری های شایع چشمی در تصاویر شبکیه حاوی آب مروارید با استفاده از شبکه یادگیری عمیق
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
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.
کلیدواژگان:
زبان:
فارسی
صفحات:
75 تا 84
لینک کوتاه:
magiran.com/p2676170
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!