بخش بندی و طبقه بندی بیماری رتینوپاتی دیابتی از تصاویر عنبیه چشم با استفاده از الگوریتم ازدحام ذرات بهینه و شبکه عصبی عمیق U-Net

دیابت یک بیماری بسیار شایع در سراسر جهان است. این بیماری به عنوان شایع ترین علت نابینایی برای افرادی که سن آنها کمتر از ۵۰ سال است، شایع می باشد. بسیاری از محققان تصدیق کردند که ۹۰٪ از بیماران دیابتی می توانند از طریق تشخیص زودرس از این بیماری نجات پیدا کنند. مجموعه داده تصویری مدنظر این تحقیق نیز MESSIDOR است و شبیه سازی در محیط MATLAB انجام گرفته و دارای چهار مرحله است. در مرحله اول، پیش پردازش صورت می گیرد که با هدف حذف نویز احتمالاتی و استانداردسازی مجموعه داده ورودی است. سپس عملیات تقطیع انجام می گیرد. در ادامه از الگوریتم ازدحام ذرات بهینه با هدف کاهش ابعاد، انتخاب و استخراج ویژگی استفاده می شود. در این فاز، چولگی و کشیدگی نیز برای انتخاب و استخراج بهتر و بهینه تر ویژگی ها وارد عمل می شوند. عملگرهای سرعت و اینرسی وزن در الگوریتم ازدحام ذرات بهینه به عنوان یک مسئله مهم در تشخیص بهترین ویژگی ها مدنظر واقع می گردد. در انتها به منظور خوشه بندی رتینوپاتی از الگوریتم شبکه عصبی عمیق U-Net استفاده می شود که توانایی ایجاد دو خوشه شامل بیمار و عدم بیمار را دارد. بخش دارای بیماری، خود به ۵ بیماری تقسیم می شود بیماری های Exudate، Microaneurism، Blooding، Keratoconjunctivits و Keratomalacia. نتایج به دست آمده نشان می دهد که دقت روش ارائه شده نسبت به سایر روش ها، دارای عملکرد بهتری است. میزان دقت ۹۸.۲۴ % است.

کلیدواژه ها:

بخشبندی ، طبقه بندی ، شبکه های عصبی ، الگوریتم ازدحام ذرات بهینه ، رتینوپاتی دیابتی