糖尿病视网膜病变和糖尿病黄斑等级与鼠群优化算法用于增强囊生成对抗网络的同时发生.
N Ramshankar1, S Murugesan1, Praveen K V2
1Department of Computer Science and Engineering, R.M.D. Engineering College, Tiruvallur, Tamil Nadu, India.
Microscopy research and technique
|November 2, 2024
概括
早期发现糖尿病视网膜病变 (DR) 和糖尿病黄斑胀 (DME) 对于预防视力丧失至关重要. 一个新的ECGAN-RSO模型在分类这些糖尿病眼病方面显示出更高的准确性.
科学领域:
- 眼科和医学成像学
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- 糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME) 是全球劳动年龄人口视力障碍和失明的主要原因.
- 糖尿病的患病率正在增加,导致糖尿病相关的眼睛疾病的发病率更高.
- 早期诊断和DR和DME的分级对于及时干预和视力保护至关重要.
研究的目的:
- 提出一个增强的囊生成对抗网络 (ECGAN),并通过鼠群优化 (RSO) 进行优化,以准确分类DR和DME.
- 为了评估拟议的DR-DME-ECGAN-RSO-ISBI 2018 IDRiD模型的性能,使用ISBI 2018不平衡的DR分级数据集.
- 将拟议模型的准确性与现有的最先进的DR和DME分级方法进行比较.
主要方法:
- 使用Savitzky-Golay (SG) 过器进行图像预处理,以减少 fundus 图像中的噪声.
- 从预处理的图像中使用离散的Shearlet转换 (DST) 来提取特征.
- 使用ECGAN-RSO算法对DR和DME进行分类和分级.
主要成果:
- 拟议的DR-DME-ECGAN-RSO-ISBI 2018 IDRiD模型与现有方法相比,实现了更高的准确性.
- 与特定的比较模型相比,准确度的提高为7.94%,36.66%和4.88%.
- 该模型在从基底图像中对DR和DME进行分级时表现出了有效性.
结论:
- 开发的DR-DME-ECGAN-RSO-ISBI 2018 IDRiD方法在糖尿病眼病的自动分级方面提供了有前途的进步.
- 通过将ECGAN与RSO集成,为提高眼科诊断准确性提供了一个强大的框架.
- 这种人工智能驱动的方法有可能帮助临床医生早期检测和管理DR和DME,从而防止视力丧失.


