使用双层神经网络分类模型检测糖尿病视网膜病变,并进行再置换验证
1Department of Information Technology, Technical College of Duhok, Duhok Polytechnic University, Duhok, Kurdistan Region-IRAQ.
MethodsX
|April 18, 2024
概括
早期发现糖尿病视网膜病变 (DR) 对于预防失明至关重要. 使用机器学习的新计算机辅助查系统 (DREAM) 在从底部图像中分级DR严重性的准确率达到98.5%.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者失明的主要原因.
- 早期发现和分类DR是防止视力丧失的关键.
- 目前的选方法可能耗时,需要专家解释.
研究的目的:
- 开发和评估计算机辅助查系统 (DREAM) 用于糖尿病视网膜病变的检测和严重程度分级.
- 利用机器学习,特别是神经网络,对 fundus 图像进行自动分析.
- 评估系统在大量数据集上的表现,这些数据集包括多种不同的 fundus 图像.
主要方法:
- 应用了图像增强技术,包括直方形平衡,降噪和缩放.
- 视觉同步定位和映射 (vSLAM) 用于特征提取.
- 一个双层神经网络与再置换验证被用于分类.
主要成果:
- 在分级糖尿病视网膜病变的严重程度方面,DREAM系统实现了98.5%的高精度.
- 接收器运行特征 (ROC) 曲线表现出极好的性能,值为0.985.
- 该系统是在MATLAB平台上开发的,并显示了实时分析的潜力.
结论:
- 开发的DREAM系统对准确和高效的糖尿病视网膜病变查有显著的前景.
- 高精度表明其在临床环境中的潜在实用性,用于早期DR检测.
- 使用机器学习的自动化分析可以帮助眼科医生管理糖尿病眼病.
