طبقه بندی رتینوپاتی دیابتی بر روی تصاویر شبکیه چشم با استفاده از تنظیم دقیق تعداد لایه های شبکه های عصبی عمیق کانولشن

رتینوپاتی دیابتی یکی از عوارض جدی بیماری دیابت و عامل مهمی در نابینایی اشخاص است. تشخیص زودهنگام این بیماری می تواند از پیشرفت آن جلوگیری کند. در این پژوهش از شبکه عصبی کانولوشنی مبتنی بر مدل YGG۱۹ و یادگیری انتقالی برای تشخیص رتینوپاتی دیابتی استفاده شده است. مجموعه داده APTOS ۲۰۱۹ شامل ۵۵۹۰ تصویر شبکیه چشم به کار گرفته شد و تصاویر با استفاده از فیلتر میانه فیلتر شدند. برای بهینه سازی مدل، ابتدا فقط آخرین لایه تنظیم دقیق شد و سپس تعداد لایه های فریز نشده به تدریج افزایش یافت. در نهایت، بهترین عملکرد با فریز کردن تمامی لایه ها بجز ۵ لایه ی بالا حاصل شد. مدل پیشنهادی به دقت ۷۸.۸۵% و حساسیت ۹۶.۶% دست یافت که نشان دهنده کارایی بالای روش ارائه شده در تشخیص رتینوپاتی دیابتی است.

کلیدواژه ها:

رتینوپاتی دیابتی ، شبکه های عصبی کانولوشنی ، تصاویر شبکیه چشم ، یادگیری انتقالی