یک روش کارا برای غربالگری اولیه بیماری گلوکوم بر اساس محاسبه نسبت کاپ به دیسک نوری با استفاده از شبکه های عصبی کانولوشنی

تشخیص و درمان به موقع بیماری گلوکوم می تواند از پیشروی این بیماری و از دست دادن ناگهانی بینایی جلوگیری کند. گلوکوم دیسک و کاپ نوری را که درون دیسک قرار دارد تحت تاثیر قرار می دهد. در این مقاله ابتدا به محلی سازی دیسک نوری پرداخته شده و سپس قطعه بندی دیسک و کاپ نوری به منظور تشخیص براساس نسبت کاپ به دیسک نوری (CDR) انجام می شود. برای مرحله محلی سازی دیسک از شبکه عصبی کانولوشنی مبتنی بر ناحیه سریعتر (Faster-RCNN) با شبکه پیش آموزش دیده ResNet۵۰ استفاده می شود. مرحله قطعه بندی توسط معماری U-Net اصلاح شده با استفاده از شبکه SE-ResNet۵۰ در قسمت کدگذار آن اجرا شده و در نهایت CDR مورد ارزیابی قرار می گیرد. پایگاه های داده Drishti-GS۱ و RIM-ONE v۳ برای آموزش و تست روش پیشنهادی و دسته داده MESSIDOR صرفا در مرحله تست بکار رفته است. همچنین به منظور قطعه بندی کاپ و دیسک نوری دو رویکرد برای درنظرگرفتن حاشیه نویسی کاپ و دیسک نوری در حقیقت مبنای دسته داده Drishti-GS۱ پیشنهاد می شود. در رویکرد پیشنهادی دوم و طبق معیار  F۱-score، نتیجه قطعه بندی کاپ و دیسک نوری برای دسته داده Drishti-GS۱ به ترتیب ۰.۹۳ و ۰.۹۷، برای دسته داده RIM-ONE v۳ به ترتیب ۰.۷۹ و ۰.۹۵ و برای دسته داده MESSIDOR به ترتیب ۰.۸۴ و ۰.۹۳ بدست آمده که قابل رقابت با سایر کارها است.

یک روش کارا برای غربالگری اولیه بیماری گلوکوم بر اساس محاسبه نسبت کاپ به دیسک نوری با استفاده از شبکه های عصبی کانولوشنی Keywords:

یادگیری عمیق , شبکه های عصبی کانولوشنی , گلوکوم , نسبت کاپ به دیسک نوری , قطعه بندی