ارزیابی یادگیری الکترونیکی جهت تشخیص زود هنگام هومورژهای شبکیه دررتینوپاتی دیابتی

سازمان بهداشت جهانی انتظار دارد تعداد مبتلایان به دیابت در 25 سال آینده از 130 میلیون نفر به بیش از 350میلیون نفر افزایش یابد. این بیماری به سرعت منجر به بیماری های قلبی گردیده و باعث بروز اختلالات گوناگونی در شبکیهمی شود. تأثیر مخرب بیماری دیابت بر روی شبکیه، دیابتیک رتینوپاتی نامیده می شود. در نتیجه، هدف این مقاله این است که بتوان با استفاده از یادگیری الکترونیکی و به صورت اتوماتیکی (کامپیوتری)، از درون تصاویر رنگی شبکیه، پاتولوژی های قرمز رنگ شبکیهبنام هومورژ هارا تشخیص داد. مواد و روش ها: یک مجموعه داده یادگیری از هومورژها و غیرهومورژها ایجاد شده است. مجموعه داده یادگیری نمونه ماشامل 35000 پیکسل هومورژ و 33000 پیکسل غیرهومورژ میباشد. از روش ریخت شناسی و تکنیک تشخیص پاتولوژی هایهومورژها برمبنای پیکسل، به منظور جداسازی این پاتولوژی ها از سایر ساختارهای تصاویر استفاده شده است. سپس با استفاده از دسته بندی کننده ای بنام درخت های تصمیم، جراحت های شبکیه به دو کلاس هومورژ و غیر هومورژ دسته بندی می شوند.نتایج: در مرحله تست، این روش توانست بعد از استخراج 68000 پیکسل از تصاویر شبکیه و دسته بندی آنها با استفاده ازفرمول دسته بندی کننده درخت های تصمیم، به حساسیت 98 %، ویژگی97/14درصدودقت 97/57درصددست یابدنتیجه گیری: در این پژوهش، بعد از استفاده از روش های مختلف، روش ریخت شناسی، کارایی بالاتری نسبت به سایر روش ها داشت و در مقایسه با روش های تشخیص بالینی (سنتی) از دقت خوبی برخوردار بود.

کلیدواژه ها:

هومورژهای شبکیه ، دسته بندی ، رتینوپاتی دیابتی ، ریخت شناسی ، درخت های تصمیم