طبقه بندی تصاویر شبکیه چشم با استفاده از ویژگی های الگوی باینری محلی و ماتریس هم رخداد به منظور تشخیص رتینوپاتی دیابت

دیابت یک بیماری مزمن و خطرناک است که هنگامیکه لوزالمعده فرد به اندازه کافی انسولین تولید نمی کند یا بدن قادر به دریافت و استفاده بهینه از انسولین تولیدی نمی باشد، رخ می دهد. این امر باعث افزایش غیرعادی سطح گلوکز خون می شود که به رگ های خونی آسیب می رساند. دیابت روی قلب، کلیه ها، چشم ها، سیستم عصبی بدن و سایر ارگان های زیستی فرد تاثیر منفی می گذارد. رتینوپاتی دیابتی یکی از پیچیدگی هایی است که بیماری دیابت به دنبال دارد. در این بیماری، دیابت باعث آسیب رسیدن به رگ های خونی شبکیه چشم می شود. رتینوپاتی درابتدا ممکن است هیچ گونه نشانه ای نداشته باشد و فقط مشکلات کوچک بینایی بوجود بیاورد ولی اگر به موقع تشخیص داده نشود، ممکن است کوری فرد بیمار را به همراه داشته باشد. چشم پزشکان با معاینه فوندوس چشم و با بررسی ویژگی هایی از جمله مویرگ های خونی، خونریزی درون چشم و بررسی بافت شبکیه چشم، رتینوپاتی را تشخیص می دهند. پژوهشگران متعددی به پردازش تصاویر شبکیه چشم با استفاده از روش های مختلف به منظور تشخیص رتینوپاتی پرداخته اند. برای مثال اگ و همکارانش در یک بررسی به حساسیت %69 رسیده اند. در این مقاله سعی داریم با استفاده از الگوریتم باینری محلی و همچنین ماتریس هم رخدادی به استخراج ویژگی ها بپردازیم و با استفاده از شبکه عصبی مصنوعی به عنوان طبقه بند، تصاویر دارای رتینوپاتی را از تصاویر سالم شبکیه چشم تفکیک نماییم. نتایج حاصل از این بررسی ها بسیار امیدوار کننده است. در این مقاله با استفاده از روش عنوان شده به دقت و حساسیت %100 رسیده ایم.

کلیدواژه ها:

دیابت ، رتینوپاتی ، شبکیه چشم ، الگوی باینری محلی ، ماتریس هم رخداد ، شبکه عصبی مصنوعی.