تشخیص دیابت چشمی با استفاده از شبکه های عصبی کانولوشنال عمیق
عنوان مقاله: تشخیص دیابت چشمی با استفاده از شبکه های عصبی کانولوشنال عمیق
شناسه ملی مقاله: JR_JASP-4-2_006
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_JASP-4-2_006
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: دیابت شبکیه, شبکه های عصبی کانولوشنال, شبکه گوگل نت, بانک اطلاعات چشم پزشکی کگل
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1351196/