چکیده مقاله
رتینوپاتی دیابتی Diabetic Retinopathy یکی از شایع ترین عوارض چشمی ناشی از دیابت است که در صورت عدم تشخیص و درمان به موقع می تواند منجر به نابینایی دائمی شود در دهه اخیر، پیشرفت های چشمگیر در حوزه هوش مصنوعی و یادگیری عمیق Deep Learning فرصت های جدیدی برای توسعه سامانه های تشخیص خودکار فراهم کرده است با وجود کارایی قابل توجه شبکه های عصبی عمیق در تحلیل تصاویر فوندوس، استفاده از داده های چندوجهی شامل تصاویر توموگرافی انسجام نوری OCT در کنار فوندوس می تواند دقت و حساسیت مدل را به شکل چشمگیری افزایش دهد در این پژوهش، یک چارچوب چندوجهی مبتنی بر یادگیری عمیق برای تشخیص زودهنگام رتینوپاتی دیابتی پیشنهاد می شود که از ترکیب شبکه های عصبی کانولوشنی دوبعدی و سه بعدی برای استخراج ویژگی های مکمل از تصاویر فوندوس و OCT استفاده می کند نتایج آزمایشی بر روی پایگاه داده ی EyePACS و Duke OCT نشان می دهد که مدل چندوجهی پیشنهادی نسبت به مدل های تک وجهی افزایش چشمگیر در دقت ۹۶٪ ، حساسیت ۹۴٪ و ویژگی ۹۲٪ داشته است این رویکرد می تواند پایه ای برای توسعه سامانه های بالینی تشخیص زودهنگام و غیرتهاجمی رتینوپاتی دیابتی باشد
کلیدواژهها
نویسندگان
میلاد شیخیان
۱ دانشجو رشته چشم پزشکی، دانشگاه علوم پزشکی تبریز، شهر تبریز، کشور ایران
شیوه ارجاع
�یخیان، میلاد،1404،طراحی سامانه هوش مصنوعی برای تشخیص زودهنگام رتینوپاتی دیابتی با استفاده از یادگیری عمیق چند وجهی (Multimodal Deep Learning) بر پایه تصاویر OCT و فوندوس،بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک24 شهریور 1404 · شیروان