تشخيص رتينوپاتي ديابتي با تحليل اگزودا در تصاوير شبكيه با استفاده از يادگيري عميق

رتينوپاتي ديابتي، عارضه اي ناشي از ديابت است كه بدليل تغييرات ايجاد شده در رگهاي خوني رخ ميدهد. هدف اصلي اين مقاله، ارتقاء دقت تشخيص رتينوپاتي ديابتي در تصاوير شبكيه نسبت به روش هاي معمول مبتني بر استخراج بردار ويژگي ميباشد. در اين روش ابتدا بر اساس داده هاي آموزشي لايه به لايه شبكه عصبي آموزش ديده و در نهايت شبكه عصبي كانولوشن با كمك چهار لايه كانولوشن، چهار لايه ادغام و دو لايه تماما متصل آموزش ديده و ساخته ميشوند. شبكه عصبي كانولوشن ويژگي هاي موجود در تصوير شبكيه را آموخته و ويژگي هاي مناسب را براي دسته بندي تصاوير استخراج ميكند. در اين مقاله توانستيم در آزمايشهاي خود به بهبود براي آزمودن روش ،Stare قابل قبولي نسبت به كارهاي انجام شدهي قبلي برسيم كه با توجه به بررسي 397 نمونه از پايگاه داده پيشنهادي و بدست آوردن نرخ حساسيت 90 % و صحت 96 % موفقيت روش بر روي اين پايگاه داده كاملا مشهود هست.