طبقه بندی گلوکوم بر اساس الگوریتم بهینه سازی ملخ و شبکه باور عمیق

این پژوهش یک سیستم جدید شناسایی گلوکوم را از تصاویر فوندوس شبکیه چشم را از طریق الگوریتم بهینه سازی ملخ GOA و شبکه باورعمیق DBN پیشنهاد می کند. در ابتدا، تصویر ورودی مراحل پیش پردازش و حذف نو یز را طی میکنند، سپس تصاویر تحت پارامتر دیسکنوری OD و فنجان نوری OC تقسیم بندی شده و در ادامه و یژگی های ساختاری، شدت و ویژگی های بافت استخراج می شوند. سپس اکثرویژگی های متمای ز با استفاده ازالگوریتم Relief و برای طبقه بندی به گلوکوماتوز به شبکه باور عمیق منتقل می شوند. پارامترهای شبکه باورعمیق توسط الگور یتم بهینه سازی ملخ به خو بی تنظیم می شوند. این مدل بر روی مجموعه داده های عمومی و خصوصی با تعداد ۷۲۸۰ تصویرآزمایش شده و به حداکثر رسیده است. در این مطالعه نرخ طبقه بندی ۹۹.۴ ٪، ویژگی ۱۰۰ ٪ ، و حساسیت ۹۹.۸۹ ٪ بدست آمده است. اعتبارسنجی متقابل اشتباه ۱۰ برابری در طبقه بندی را کاهش داده و به دقت ۹۸.۵ درصد دست می یابد. روش پیشنهادی به منظور کمک به تشخیصبهتر گلوکوم در پیشگیری از جهت گیری، تنوع مجموعه داده ها و کاهش پارامتر مثبت کاذب در مقایسه با نمونه های مشابه، سیستم پیشنهادیطبقه بندی گلوکوم را بر روی مجموعه داده های مختلف آزمایش کرده و در نهایت نتایج بهینه تری را نسبت به سایر روش های مشابه بدستمی آورد .

کلیدواژه ها:

الگوریتم بهینه سازی ملخ GOA ، دیسک نوری ، شبکه باور عمیق DBN ، فنجان نوری ، گلوکوم.