تشخیص دیابت چشمی با استفاده از شبکه های عصبی کانولوشنال عمیق

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 175

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JASP-4-2_006

تاریخ نمایه سازی: 28 آذر 1400

Abstract:

دیابت چشمی به عنوان یکی از عوارض مهم دیابت، باعث آسیب به شبکیه چشم بیمار شده و تشخیص دیرهنگام آن حتی می­تواند موجب نابینایی گردد. برخی از روش­های دسته­بندی مبتنی بر یادگیری ماشین بر اساس استخراج داده­های تصاویر شبکیه به ­صورت دستی بوده و توسط متخصصین پردازش تصویر صورت می­پذیرد. در سال های اخیر روشی جدید برای تشخیص و طبقه­بندی تصاویر شبکیه چشم بدون نیاز به استخراج ویژگی­های آن به­صورت دستی مبتنی بر شبکه­های عصبی کانولوشنال (CNN) ارائه شده است. در زمینه تشخیص و تصویربرداری پزشکی، به علت کمبود داده­های طبقه­بندی شده و زمان­بر بودن فرآیند آموزش تا یک همگرایی مناسب، آموزش یک شبکه CNN از ابتدا دشوار بوده بنابراین یک روش متداول برای آموزش شبکه­های CNN در حوزه پزشکی، بر اساس تنظیم مجدد شبکه­های از پیش آموزش یافته، می­باشد. برای این منظور در این مقاله، شبکه­ از پیش آموزش داده شده­ گوگل­نت (GoogLeNet) به عنوان یکی از قوی­ترین شبکه­های عصبی کانولوشنال بر روی تصاویر شبکیه چشم بانک اطلاعات چشم پزشکی کگل (Kaggle Database) جهت تشخیص رتینوپاتی دیابتی اعمال می­شود. همچنین جهت ارزیابی کلینیکی ساختار پیشنهادی، شبکه آموزش دیده جهت تشخیص دیابت چشمی بر روی ۱۰۱ تصویر شبکیه از کلینیک تخصصی چشم­پزشکی نوید دیدگان با موفقیت اعمال ­گردید.

Keywords:

دیابت شبکیه , شبکه های عصبی کانولوشنال , شبکه گوگل نت , بانک اطلاعات چشم پزشکی کگل

Authors

علی کارساز

گروه برق و مهندسی پزشکی، موسسه آموزش عالی خراسان، مشهد، ایران

صبورا محمدیان روشن

گروه مهندسی برق و مهندسی پزشکی، موسسه آموزش عالی خراسان، مشهد، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • X. Zhang and e. al., "Exudate detection in color retinal ...
  • K. S. Argade, K. A. Deshmukh, M. M. Narkhede, N. ...
  • H. M. Zheng Y, Congdon N, "The worldwide epidemic of ...
  • B. Antal and A. Hajdu, "An ensemble-based system for Microaneurysm ...
  • P. P. Conde, J. d. l. Calleja, A. Benitez, and ...
  • M. U. Akram, S. Khalid, A. Tariq, and F. Azam, ...
  • C. Sundhar and D. Archana, "Automatic screening of fundus images ...
  • A. F. M. Hani and H. A. Nugroho, "Gaussian Bayes ...
  • B. v. G. M. Niemeijer, Michael J. Cree, "Retinopathy online ...
  • S. S. Rahim, C. Jayne, V. Palade, and J. Shuttleworth, ...
  • L. G. L. Giancardo, F. Meriaudeaub, T. P. Karnowskic, Y. ...
  • C. Jayakumari and T. Santhanam, "Detection of hard exudates for ...
  • A. Osareh, B. Shadgar, and R. Markham, "A computational-intelligence-based approach ...
  • S. Franklin and S. Rajan, "Diagnosis of diabetic retinopathy by ...
  • G. B. Kande, T. S. Savithri, and P. V. Subbaiah, ...
  • M. U. Akram, S. Khalid, A. Tariq, and M. Y. ...
  • A. P. Bhatkar and G. U. Kharat, "Detection of diabetic ...
  • R. Priya and P. Aruna, "Diagnosis of diabetic retinopathy using ...
  • K. Saranya, B. Ramasubramanian, and S. K. Mohideen, "A novel ...
  • W. Zhang, R. Li, H. Deng, L. Wang, "Deep convolutional ...
  • J. Y. Tajbakhsh, Suryakanth and R. Gurudu, "Convolutional neural networks ...
  • D. Nie, L. Wang, E. Adeli, C. Lao, W. Lin ...
  • L. L. olger R. Roth, A. Farag, H. Shin, J. ...
  • Y. Wanga, G. Caoa, B. Weib and G. Yang, "Hierarchical ...
  • F. C. Harry Pratta, Deborah M. Broadbentc, P. Simon P. ...
  • H. H. Vo and A. Verma, "New deep neural nets ...
  • Y. M. S. Reddy, R. E. Ravindran and K. H. ...
  • B. a. Antal and A. a. Hajdu, "An ensemble-based system ...
  • L. Ryan, T. Y. Wong, and C. Sabanayagam. “Epidemiology of ...
  • D. H. Hubel and T. N. Wiesel, "Receptive fields and ...
  • K. Fukushima, "Neocognitron: A self-organizing neural network model for a ...
  • A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet classification ...
  • Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner, "Gradient ...
  • [Online]. Available: https://arxiv.org/abs/ ۱۲۰۷.۰۵۸۰. Accessed: Nov. ۱۰, ۲۰۱۶ ...
  • C. Szegedy et al., "Going deeper with convolutions," IEEE Conf. ...
  • C. Szegedy et al., "Rethinking the Inception Architecture for Computer ...
  • T. Fawcett, "An introduction to ROC analysis," Pattern Recognition Letters, ...
  • [Online]. Available: https://kaggle۲.blob. core. windows.net/forummessage attachments/۸۸۶۵۵ /۲۷۹۵/ competitionreport.pdf. Accessed: Jul. ...