تشخیص بیماری های چشمی رتینوپاتی با استفاده از شبکه عصبی عمیق CNN

  • سال انتشار: 1401
  • محل انتشار: هفدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات
  • کد COI اختصاصی: ITCT17_069
  • زبان مقاله: فارسی
  • تعداد مشاهده: 583
دانلود فایل این مقاله

نویسندگان

مریم عرب زاده

دانشگاه غیرانتفاعی لیان بوشهر

حسین مومن زاده

دانشگاه غیرانتفاعی لیان بوشهر

حسن ارفعی نیا

دانشگاه غیرانتفاعی لیان بوشهر

چکیده

بیماری پیشرفته چشم دیابتی ( DED ) منجر به از دست دادن دائمی بینایی می شود. بنابراین، تشخیص زودهنگام علائم DED برای جلوگیری از تشدید بیماری و درمان به موقع ضروری است. مطالعات نشان داده است هه ۹۰ درصد از موارد DED با تشخیص و درمان زودهنگام قابل اجتناب است. در این مقاله، روش های مبتنی بر یادگیری عمیق و شبکه عصبی CNN به صورت باینری (سالم و یا بیمار) و چند کلاسه (مشخص نمودن نوع بیماری) با استفاده از تصاویر فوندوس شبکیه را برای تسهیل تشخیص زودهنگام DED بررسی و ارائه نموده ایم. بدین منظور، از شبکه عصبی کانولوشنال جدید در استخراج و طبقه بندی خودکار ویژگی ها، بر اساس شبکه های عصبی عمیق استفاده نمودیم. برای توسعه یک سیستم پیشرفته تعداد معینی از رویکردهای یادگیری عمیق اصلی با تکنیک های پیشرفته دیگر مانند پیش پردازش تصویر، تقویت داده ها، استخراج ویژگی های DED و بخش بندی تصویر ترکیب نمودیم و با استفاده از شبکه CNN و مدل هایی مانند VGG۱۶ ، Inception V۳ و Xception در شبکه پیشنهادی به دقت ۹۳.۳۳ درصد در تشخیص بیماری های خفیف چشمی رسیدیم که بسیار قابل توجه است.

کلیدواژه ها

؛ DED، یادگیری عمیق، شبکه عصبی CNN، پیشپردازش تصویر، VGG۱۶، Inception V۳، Xception

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.