شناسایی دیابت چشمی براساس تحلیل مولفه های اصلی و الگوریتم شبکه های عصبی

دیابت شبکیه چشم، یکی از عوارض بسیار مخرب بیماری دیابت است که با تاثیر بر شبکیه چشم باعث نابینایی و کم بینایی در افراد بالای ۲۰ سال می شود. میکرو آنوربسم ها ابتدایی ترین علائم بیماری رتینویاتی دیابتی (اختلال در شبکیه جشم ناشی از دیابت) می باشند(۱). وجود میکرو آنوریسم در سطح شبکیه می تواند به طورجدی بینایی را مختل نماید. به هرحال دیابت رتینوباتی هیچ گونه علائمی را تا قبل از رسیدن به مرحله شدت بیماری از خود نشان نمی دهد. یادگیری عمیق شاخه ای از بادگیری ماشین و یادگیری ماشین نیز شاخه ای از هوش مصنوعی است (۲و۲). بادگیری عمیق به دلیل حل موفق بعضی از چالش های پیش روی هوش مصنوعی به تازگی برای شناسایی میکرو آنوریسم ها موردتوجه قرارگرفته است (۴ و ۶). محدودیت های پیش روی بادگیری عمیق، ریشه در برخی مفاهیم بنیادی یادگیری ماسین دارند که یادگیری عمیق نیز بر پایه آن ها استوارشده است. این معیارها شامل حساسیت و تشخیص است که در آمار و پردازش تصویر دو شاخص برای ارزیابی نتیجه یک آزمایش دسته بندی دودویی (دوحالته) هستند. در این مقاله به بررسی و پیاده سازی روش شبکه عصبی کانو لوشن برای تشخیص میکرو آنوربسم ها بر اساس بخش بندی تصویر شبکیه چشم صورت گرفت و نتایج به دست آمده شامل حساسیت ۹۶%،تشخیص ۹۵/۵% و دقت ۹۷/۸% می باشد. نتایج به دست آمده نشان می دهد روش شبکه عصبی کانو لوشن نسبت به دیگر روش ها دارای نتایج و دقت بهتری می باشد.

کلیدواژه ها:

میکروآنوریسم ها ، دیابت رتینویاتی ، شبکه عصبی کانولوشن