تقسیم بندی عروق شبکیه در بیماری چشم (تشخیص خودکار) با استفاده از U-Net

تقسیم بندی خودکار رگ های خونی شبکیه نقش حیاتی در تشخیص و پایش زودهنگام بیماری های چشمی مانند رتینوپاتی دیابتی، گلوکوم و فشار خون بالا ایفا می کند. این مطالعه یک مدل یادگیری عمیق مبتنی بر U-Net را برای تقسیمبندی عروق شبکیه ارائه میکند که شامل استخراج ویژگیهای چند مقیاسی، تقویت دادهها و بهینه سازی تکنیکهای پیشپردازش صورت گرفته است. روش ارائه شده بر روی مجموعه دادههای معیار، DRIVE و CHASE_DB۱ ارزیابی میشود و اثربخشی آن را در تقسیمبندی دقیق عروق شبکیه نشان میدهد. نتایج نشان میدهد که این مدل درمقایسه با رویکردهای موجود، حساسیت به ساختارهای عروقی را خوب حفظ می کند. علاوه بر این، این رویکرد می تواند برای تجزیه و تحلیل تصویر پزشکی آنلاین تطبیق داده شود و ابزاری بالقوه برای تشخیص از راه دور و غربالگری خودکار در تنظیمات بالینی ارائه دهد.

کلیدواژه ها:

تقسیم بندی ، یادگیری عمیق ، U-Net ، پردازش تصویر پزشکی ، بیماری های چشم ، تشخیص خودکار