بررسی روش ها و الگوریتم های تشخیص بیماری رتینوپاتی دیابتی

رتینوپاتی دیابتی(DR) به عنوان شایع ترین عارضه ثانویه عمده در افراد مبتلا به دیابت طبقه بندی شده است. عدم تشخیص یا مداخله درمانی به موقع می تواند منجر به اختلال بینایی، نابینایی نسبی و عوارض چشمی فراتر از این اثرات شود. روش های تشخیص دستی این بیماری، دقیق اما زمان بر و پرهزینه است. روش های تشخیص خودکار شامل استفاده از الگوریتم های پردازش تصویر برای تشخیص DR از تصاویر شبکیه سریع و مقرون به صرفه هستند. به همین منظور در این پژوهش، ۵۳ مقاله پیرامون روش های تشخیص DR بررسی شده است که ۱۷ مقاله در سال ۲۰۲۳، ۱۶ مقاله در سال ۲۰۲۲، ۷ مقاله در سال ۲۰۲۱ و ۱۳ مقاله در سال ۲۰۲۰ مورد مطالعه قرار گرفته است. این مطالعات نشان می دهند که دقت روش های تشخیص خودکار DR در حال بهبود است. در مورد تشخیص رتینوپاتی دیابتی، معماری های شبکه عصبی کانولوشن (CNN) بیشترین کاربرد را داشتند. بااین حال، هنوز چالش هایی در توسعه روش های تشخیص خودکار DR وجود دارد. یکی از چالش ها، ایجاد روش های تشخیص خودکار DR که بتوانند انواع مختلف DR را تشخیص دهند. چالش دیگر، ایجاد روش هایی است که بتوانند در شرایط مختلف، مانند نور کم یا کیفیت پایین تصاویر، عملکرد خوبی داشته باشند. در مجموع، نتایج این مطالعه نشان می دهد که روش های تشخیص خودکار DR پتانسیل بالایی برای تشخیص زودهنگام DR و جلوگیری از پیشرفت بیماری دارند. با ادامه توسعه این روش ها، انتظار می رود که دقت آن ها بیشتر افزایش یابد و بتوان از آن ها در کاربردهای مختلف، مانند غربالگری DR در جمعیت عمومی، استفاده نمود.

کلیدواژه ها:

رتینوپاتی دیابتی ، تشخیص ، روش های تشخیص خودکار ، شبکه عصبی کانولوشن.