|
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: (1490 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]
(1077 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 |
|
|
|
