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

مقدمه: سازمان بهداشت جهانی انتظار دارد تعداد مبتلایان به دیابت در 25 سال آینده از 130 میلیون نفر به بیش از 350 میلیون نفر افزایش یابد. این بیماری به سرعت منجر به بیماری‌های قلبی گردیده و باعث بروز اختلالات گوناگونی در شبکیه می‌شود. تاثیر مخرب بیماری دیابت بر روی شبکیه، دیابتیک رتینوپاتی نامیده می‌شود. در نتیجه، هدف این مقاله این است که بتوان با استفاده از یادگیری الکترونیکی و به‌صورت اتوماتیکی (کامپیوتری)، از درون تصاویر رنگی شبکیه، پاتولوژی‌های قرمز رنگ شبکیه بنام هومورژ‌هارا تشخیص داد. مواد و روش‌ها: یک مجموعه داده یادگیری از هومورژها و غیرهومورژها ایجاد شده است. مجموعه داده یادگیری نمونه ما شامل 35000 پیکسل هومورژ و 33000 پیکسل غیرهومورژ میباشد. از روش ‌‌ریخت‌شناسی و تکنیک تشخیص پاتولوژی‌های هومورژها برمبنای پیکسل، به‌منظور جداسازی این پاتولوژی‌ها از سایر ساختارهای تصاویر استفاده شده است. سپس با استفاده از دسته‌بندی‌کننده‌ای بنام درخت‌های تصمیم، جراحت‌های شبکیه به دو کلاس هومورژ و غیر هومورژ دسته‌بندی می‌شوند. نتایج: در مرحله تست، این روش توانست بعد از استخراج 68000 پیکسل از تصاویر شبکیه و دسته‌بندی آنها با استفاده از فرمول دسته‌بندی‌کننده درخت‌های تصمیم، به حساسیت 98%، ویژگی 14/97% و دقت 57/97% دست یابد. نتیجه‌گیری: در این پژوهش، بعد از استفاده از روش‌های مختلف، روش ریخت‌شناسی، کارایی بالاتری نسبت به سایر روش‌ها داشت و در مقایسه با روش‌های تشخیص بالینی (سنتی) از دقت خوبی برخوردار بود.