تشخیص رتینوپاتی دیابتی از تصاویر فوندوس با استفاده از شبکه های کانولوشنی با رویکردیادگیری انتقالی

بیماری رتینوپاتی دیابتی (DR) شایع ترین عارضه عروقی است که به دلیل بالا بودن سطح قند خون در بیماران دیابتی رخ می دهد. بیماری یا غیر طبیعی بودن رگ های خونی (نشت یا تورم) در قطب خلفی چشم، به شبکیه چشم بیمار اسیب می رساند و اگر در مراحل اولیه شناسایی نشود،می تواند منجر به کاهش بینایی و یا نابینایی شود. پایش تصاویر فوندوس یکی از راه های غیر تهاجمی تشخیص این بیماری است.در این مقاله استفاده از ابزار یادگیری انتقالی برای پردازش تصاویر فوندوس ۵۰ بیمار مبتلا و ۵۰ فرد سالم پایگاه داده STARE پیشنهاد شده است. به دنبال استفاده از این رویکرد، سه شبکه کانولوشنی دارک نت ۱۹، رزنت ۱۸، و الکس نت که جزو شبکه های عمیق قدرتمند هستند به کار برده شده است. پس از پیش پردازش تصاویر، تعداد تصاویر با استفاده از روش تغییر زاویه افزایش یافته است. سپس ۹۰% تصاویر برای تنظیم وزن های شبکه ها و ۱۰%برای آزمایش عملکرد آنها به کار برده شده است . این فرایند ده مرتبه تکرار شده است، در نهایت بیشترین متوسط صحت، حساسیت و خاص بودن به ازای رزنت -۱۸ به ترتیب برابر ۹۶.۵۲% و ۱۰۰% و ۹۲.۴۲% بدست آمده است. با مقایسه نتایج مقاله با مقالاتی که بر روی این پایگاه داده منتشر شده است برتری روش پیشنهادی اثبات شده است.

کلیدواژه ها:

رتینوپاتی دیابتی ، شبکه کانولوشنی ، یادگیری انتقالی ، رزنت- ۱۸ ، الکس نت ، دارک نت- ۱۹