ارائه مدلي هوشمند جهت تشخيص سطح توسعه رتينوپاتي ديابتي با استفاده از استخراج الگوي رگ‌هاي خوني در تصاوير شبكيه

رتينوپاتي ديابتي يك بيماري چشمي مزمن و پيشرونده است كه در آن شبكيه چشم انسان به دليل افزايش مقدار انسولين در خون تحت تأثير قرار مي‌گيرد. رتينوپاتي ديابتي اگر به موقع تشخيص و درمان نشود، بينايي بيمار را تهديد و در نهايت باعث كوري كامل مي‌شود. در ميان علائم باليني مختلف، ميكروآنوريسم به عنوان اولين علامت رتينوپاتي ديابتي ظاهر مي‌شود. تشخيص دقيق و مطمئن ميكروآنوريسم‌ها به دليل اندازه كوچك و كنتراست كم آن يك مشكل چالش برانگيز است. تشخيص موفقيت‌آميز ميكروآنوريسم‌ها براي برنامه‌ريزي صحيح و درمان مناسب بيماري در مراحل اوليه مفيدتر خواهد بود. در اين مقاله، ما روشي براي طبقه‌بندي تصاوير پزشكي از شبكيه چشم به منظور تشخيص دقيق سطح توسعه رتينوپاتي ديابتي ارائه مي‌كنيم. روش پيشنهادي ما داراي شش مرحله اصلي است كه در مراحل يك تا چهار ابتدا تصوير ورودي تحت پيش‌پردازش قرار مي‌گيرد. در مرحله اول؛ تشخيص رگ‌هاي خوني با استفاده از عمليات مورفولوژيكي بستن، مرحله دوم؛ تشخيص لبه دايره‌اي با استفاده از عمليات مورفولوژيكي گراديان، مرحله سوم؛ تشخيص ديسك نوري با استفاده از روش لبه‌يابي تبديل هاف دايره‌اي، مرحله چهارم؛ تشخيص ميكروآنوريسم‌ها با استفاده از حذف رگ‌هاي خوني، لبه دايره‌اي و ديسك نوري تشخيص داده شده در تصوير و سپس استفاده از تبديل هاف دايره‌اي انجام مي‌گيرد. در مرحله پنجم استخراج ويژگي با در نظر گرفتن دو ويژگي، ناحيه رگ‌‌هاي خوني و ناحيه ميكروآنوريسم‌ها و چهار ويژگي به دست آمده از ماتريس هم رخداد سطح خاكستري، انجام مي‌شود. در نهايت مرحله ششم طبقه‌بندي با استفاده از طبقه‌بند SVM مي‌باشد. عملكرد مدل را با استفاده از پايگاه داده تصاوير فوندوس شبكيه، EyePacs ارزيابي كرده و به ترتيب دقت و تشخيص‌پذيري 98%، 98.75% را بدست آورديم. نتايج تجربي نشان مي‌دهد كه مدل پيشنهادي ما از نظر معيارهاي ارزيابي در مقايسه با روش‌هاي ديگر بهتر عمل مي‌كند.