مطالعه و بررسی کاربرد هوش مصنوعی و شبکه های عصبی در تشخیص بیماری رتینوپاتی در نوزادان نارس

رتینوپاتی نوزادان نارس (ROP) یک بیماری اختلال عروقی شبکیه است که عمدتا در نوزادان نارس با وزن کم هنگام تولد دیده می شود؛ بنابراین ، تشخیص زودهنگام و درمان ROP می تواند به طور قابل توجهی از میزان گسترش این بیماری بکاهد. به این منظور، الگوریتم های یادگیری عمیق به ویژه شبکه های کانولوشنی ، به سرعت به یک روش انتخابی برای تجزیه وتحلیل تصاویر پزشکی تبدیل شدهاند. این شبکه ها با استخراج ویژگی های مهم تصاویر شبکیه فرد بیمار که همان ویژگی هایی هستند که پزشک بر اساس آنها وضعیت بیماری فرد را درجه بندی و گزارش می کند، همچنین تشخیص و تعیین مکان رخ دادن هر ویژگی در تصویر شبکیه ، به پزشک در تشخیص بیماری و البته در تصمیم گیری برای درمان آن، کمک می کنند. نتایج نشاندهنده این است که این روش می تواند به بهبود عملکرد یک سیستم تشخیص خودکار ROP کمک کند و به دقت و صحت بالایی ، حتی بالاتر از نتایج حاصل از بررسی پزشکان متخصص این حوزه، برسد. در این مقاله سعی داریم مروری بر تشخیص بیماری ROP مبتنی بر هوش مصنوعی و شبکه های عصبی عمیق که در مقالات دیگر ارائه شدهاند، داشته باشیم .

کلیدواژه ها:

رتینوپاتی نوزادان نارس ، یادگیری عمیق ، شبکه عصبی ، شبکه های کانوولوشنی .