استخراج ویژگی های بهینه از تصاویر شبکیه مبتنی بر شبکه عصبی عمیق جهت تشخیص رتینوپاتی دیابتی

دیابت نوعی بیماری شایع در جهان می باشد این بیماری آثار بدی بر روی چشم ها، سیستم عصبی، قلب و سایر اعضای بدن دارد اولین عضوی که معمولا دچار آسیب می شود، چشم می باشد رتینوپاتی دیابتی عارضه ای ناشی از دیابت می باشد که بدلیل تغییرات ایجاد شده در عروق خونی شبکیه رخ می دهد . علیرغم تلاش های مداوم انجام شده، تشخیص زود هنگام رتینوپاتی دیابتی دارای فرآیندی زمانبر، حتی برای پزشک متخصصص و دارای مهارت، بوده که ممکن است منجر به تاخیر در درمان، سوء استفاده از سیستم و غیره گردد. از این رو اهمیت سیستم خودکار تشخیص رتینوپاتی اثبات شده است. در این مقاله روشی خودکار برای غربالگری رتینوپاتی دیابتی ارائه شده است که مبتنی بر الگوریتم استخراج ویژگی مبتنی بر شبکه عصبی عمیق می باشد. هدف اصلی این مقاله، ارتقا دقت تشخیص رتینوپاتی دیابتی در تصاویر شبکیه نسبت به روش های معمول مبتنی بر استخراج بردار ویژگی می باشد به منظور ارزیابی الگوریتم پیشنهادی از بانک استاندارد تصاویر شبکیه از پایگاه داده Stare، استفاده شده است، نتایج حاصل از ارزیابی نشان می دهد که بهترین طبقه بند در الگوریتم پیشنهادی توانسته است به مقدار حساسیت برابر با 98.83% و مقدار صحت برابر با 97.19 دست یابد.

Keywords:

رتینوپاتی دیابتی , استخراج ویژگی , یادگیری عمیr