TL-GWO: 精密な fundus 画像ベースの眼疾患分類のためのグレーオオカミ最適化器による精密な転送学習

科学分野:

• 眼科について
• コンピュータ・ビジョン
• 人工知能

背景:

• 糖尿病性網膜症と緑内障は視力喪失の主要な原因です.
• 早期発見と診断は 効果的な治療に不可欠です
• 自動化されたシステムはスクリーニングと診断に役立ちます.

研究 の 目的:

• 糖尿病性網膜症,緑内障,健康な網膜を検出するための自動診断フレームワークを開発する.
• Grey Wolf Optimizer (GWO) を使用してトランスファー・ラーニング (TL) モデルを最適化します.
• イメージの予行処理とデータ拡張を向上させ,パフォーマンスを向上させる.

主な方法:

• 転送学習のバックボーン (DenseNet121,ResNet50,ResNet101V2,InceptionResNetV2,Xception) を利用した.
• アーキテクチャとハイパーパラメータの最適化のためにグレー・ウルフ・オプティマイザー (GWO) を採用した.
• 適用されたコントラスト限定適応ヒストグラム均等化 (CLAHE) とデータ増強.

主要な成果:

• ResNet101V2モデルは最高精度 (89.32%) とF1スコア (89.37%) を達成した.
• GWO主導の最適化は,モデルの一般化と堅実性を大幅に改善しました.
• このフレームワークはすべての評価指標で他のアーキテクチャを上回りました.

結論:

• TL戦略とメタヒューリスティック最適化を組み合わせることで,眼科疾患の検出に信頼性の高いアプローチが提供されます.
• 提案された枠組みは,スケーラブルなコンピュータによる診断システムの可能性を示しています.
• 自動検知システムは,眼疾患の診断の効率と正確さを高めることができます.