تشخيص بيماري شب‌كوري با استفاده از تركيب الگوريتم‌هاي يادگيري عميق

شب‏كوري نوعي بيماري ژنتيكي است كه در مراحل اوليه بيماري، ديد فرد در شب محدود مي‌شود و در صورت عدم كنترل بيماري، منجر به ديد تونلي و در نهايت نابينايي مي‌‎گردد. تا كنون درمان قطعي براي اين بيماري كشف نشده است و تنها مي‌توان شدت پيشرفت اين بيماري را كنترل كرد. از طرفي، يادگيري عميق نقش بسيار موثري در بهبود تشخيص بيماري‌ها داشته است و به عنوان يكي از شاخه‌هاي هوش مصنوعي، جايگاه ويژه‌اي در علوم پزشكي را به خود اختصاص داده است. پيشرفت الگوريتم‌هاي يادگيري عميق در تشخيص بيماري‌ها در طي ساليان اخير، توسط پزشكان و پژوهشگران مورد توجه قرار گرفته است. در تشخيص بيماري شب‌كوري با استفاده از شبكه عصبي عميق كانولوشن، تاكنون راه‌كارهاي مختلفي براي بهبود عملكرد تشخيص ارائه شده است و هر كدام دقت و تشخيص مختلفي با توجه به نوع تصاوير استفاده شده را به همراه داشته است. در اين مقاله، با استفاده از تصاوير Fundusرنگي و با تركيب دو شبكه CNN و حافظه كوتاه مدت طولاني LSTM، به طور ميانگين دقت 4/99 % در طبقه بندي دو كلاس شبكيه مبتلا به بيماري شب كوري و شبكيه سالم حاصل شد كه نسبت به ساير روش‌ها، عملكرد بهتري داشته است.