ارزیابی یادگیری الکترونیکی جهت تشخیص زود هنگام هومورژهای شبکیه در رتینوپاتی دیابتی

مقدمه: سازمان بهداشت جهانی انتظار دارد تعداد مبتلایان به دیابت در ٢٥ سال آینده از ١٣٠ میلیون نفر به بیش از ٣٥٠ میلیون نفر افزایش یابد. این بیماری به سرعت منجر به بیماری های قلبی گردیده و باعث بروز اختلالات گوناگونی در شبکیه می 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 شبکیه بنام هومورژ هارا تشخیص داد.مواد و روش ها: یک مجموعه داده یادگیری از هومورژها و غیرهومورژها ایجاد شده است. مجموعه داده یادگیری نمونه ما شامل ٣٥٠٠٠ پیکسل هومورژ و ٣٣٠٠٠ پیکسل غیرهومورژ میباشد. از روش ریخت شناسی و تکنیک تشخیص پاتولوژی های هومورژها 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 ٦٨٠٠٠ پیکسل از تصاویر شبکیه و دسته بندی آنها با استفاده از فرمول دسته بندی کننده درخت های تصمیم، به حساسیت ٩٨%، ویژگی ١٤/٩٧% و دقت ٥٧/٩٧% دست یابد.نتیجه 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.