[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
اخلاق در پژوهش::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
نمایه ها






     
 
..
:: دوره 24، شماره 1 - ( بهار 1401 ) ::
جلد 24 شماره 1 صفحات 45-36 برگشت به فهرست نسخه ها
تأثیر به‌کارگیری مدل‌های رقابتی مولد عمیق در تعیین درجه رتینوپاتی دیابتی
شیرین میرعابدینی* ، محمدرضا کنگاوری
دانشگاه پیام نور، گروه کامپیوتر، تهران، ایران ، Sh.Mirabedini@pnu.ac.ir
چکیده:   (1271 مشاهده)
زمینه و اهداف: تشخیص زودهنگام رتینوپاتی دیابتی در نیروهای نظامی می‌تواند موجب جلوگیری از کاهش عملکرد این نیروها و یا ممانعت از بروز خطاهای عملیاتی شود. به‌کارگیری یک روش خودکار و بهینه جهت تشخیص درجه بیماری از روی تصاویر شبکیه، در پیشگیری از حاد شدن بیماری کمک کننده است. هدف این مقاله ارائه روشی نو در تعیین پرولیفراتیو، مبتنی بر تجزیه‌ و تحلیل داده‌ها از طریق تکنیک‌های یادگیری ‌عمیق در هوش مصنوعی است.
روش بررسی: در این مطالعه که در سال 1397-1399 انجام شد از روشی نوین در رده‌بندی 35,126 تصویر پزشکی بر روی مجموعه داده‌های قابل‌دسترس از سایت کاگل مربوط به بیمارستانی در کشور انگلستان، استفاده شد. برای ایجاد توازن بین سطوح، ابتدا با کمک مدل رقابتی‌مولد‌عمیق، تعداد کلاس‌های کم تعداد را افزایش‌ داده، سپس با استفاده از یک رده‌بند طراحی‌شده، تعیین درجه رتینوپاتی دیابتی، به طرق مختلف، انجام‌گرفت.
یافته‌ها: با استفاده از‌ مدل‌ مولد عمیق طراحی‌شده، دقت رده‌بندی حدود 87% به دست آمد که نسبت به برترین کارهای مشابه، حدود 7% بهبود داشت. ضمناً با توزیع مدل، کارایی خودکارسازی نیز به میزان 60% بهبود نشان داد.
نتیجه‌گیری: با رفع مشکل عدم توازن سطوح مختلف رتینوپاتی، از طریق تولید تصاویر جدید با استفاده از مدل‌ مولد عمیق طراحی‌شده و توزیع عملیات مذکور، ضمن افزایش کارایی، دقت بهینه نیز حاصل‌شده است. لذا از این راهکار نوین می‌توان جهت خودکارسازی تشخیص درجه رتینوپاتی بهره برد.



 
واژه‌های کلیدی: رتینوپاتی‌دیابتی، مدل‌های شبکه عصبی، یادگیری عمیق، نظامیان
متن کامل [PDF 1153 kb]   (825 دریافت)    
نوع مطالعه: تحقیقی | موضوع مقاله: طب رزم
دریافت: 1400/6/4 | پذیرش: 1400/9/17 | انتشار: 1401/1/10
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mirabedini S, Kangavari M. Effect of deep generative adversarial networks models in determining the degree of diabetic retinopathy. EBNESINA 2022; 24 (1) :36-45
URL: http://ebnesina.ajaums.ac.ir/article-1-1003-fa.html

میرعابدینی شیرین، کنگاوری محمدرضا. تأثیر به‌کارگیری مدل‌های رقابتی مولد عمیق در تعیین درجه رتینوپاتی دیابتی. ابن سينا. 1401; 24 (1) :36-45

URL: http://ebnesina.ajaums.ac.ir/article-1-1003-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 24، شماره 1 - ( بهار 1401 ) برگشت به فهرست نسخه ها
ابن سینا EBNESINA
Persian site map - English site map - Created in 0.06 seconds with 39 queries by YEKTAWEB 4642