استخراج ویژگی های بهینه از تصاویر شبکیه مبتنی بر شبکه عصبی عمیق جهت تشخیص رتینوپاتی دیابتی
محل انتشار: دهمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 489
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECME10_006
تاریخ نمایه سازی: 16 فروردین 1400
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
آرمین گودرزی
دانشجوی کارشناسی فناوری اطلاعات ، موسسه آموزش عالی امید نهاوند
مجتبی جهانیان
دکترای تخصصی سیستم های نرم افزاری ، مدرس موسسه آموزش عالی امید نهاوند