Реалізація згорткової нейронної мережі для прогнозування глаукоми за зображеннями очного дна
| Autor: | Sabina Rakhmetulayeva, Zarina Syrymbet |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: |
зображення очного дна
згорткова нейронна мережа Applied Mathematics Mechanical Engineering Energy Engineering and Power Technology deep learning convolutional neural network глибоке навчання глаукома Industrial and Manufacturing Engineering Computer Science Applications image processing glaucoma fundus image Control and Systems Engineering Management of Technology and Innovation Environmental Chemistry обробка зображень Electrical and Electronic Engineering Food Science |
| Zdroj: | Eastern-European Journal of Enterprise Technologies; Vol. 6 No. 2 (120) (2022): Information technology. Industry control systems; 70-77 Eastern-European Journal of Enterprise Technologies; Том 6 № 2 (120) (2022): Інформаційні технології. Системи управління в промисловості; 70-77 |
| ISSN: | 1729-4061 1729-3774 |
| Popis: | The contributions of this paper are two-fold. First, it uses machine learning tools to detect and monitor glaucoma. Second, it provides insight into medicine, which can assist healthcare professionals in improving disease diagnostic accuracy and help to reduce the progression and degeneration of retinal ganglion cells in patients. Glaucoma is a group of eye diseases that damage the optic nerve, which can cause vision loss and blindness at any age. The main symptom of glaucoma in the early stages is high internal eye pressure. It is still unknown what causes these diseases to develop, but if not treated, they result in optic nerve atrophy. For this reason, in this paper we propose a novel deep learning system for the automatic diagnosis of glaucoma using a convolutional neural network for classification, which demonstrates improved performance and records computation time for fundus images. The results showed an accuracy of 94 % and a loss value of only 0.27. The model we have created to investigate with Keras helped us achieve good results in our training and testing process. These study results demonstrate the ability of a deep learning model to identify glaucoma from fundus images. Increasing the filter size and training the model resulted in a higher accuracy rate. A population survey that was conducted in 2019 shows that most patients with glaucoma become aware of their disease late, after the disease causes a high level of optic nerve damage and a high percentage of vision loss. Early diagnosis and detection of glaucoma using optic nerve imaging technology have gained wide clinical interest in stopping or slowing the progression of the disease, allowing the development of new algorithms to automate the diagnosis of eye diseases Внесок даної роботи складається з двох аспектів. По-перше, для виявлення та моніторингу глаукоми використовуються інструменти машинного навчання. По-друге, дається уявлення про медицину, що може допомогти медичним працівникам підвищити точність діагностики захворювань і допомогти знизити прогресування та дегенерацію гангліозних клітин сітківки у пацієнтів. Глаукома –це група очних захворювань, при яких пошкоджується зоровий нерв, що може призвести до втрати зору та сліпоти в будь-якому віці. Основним симптомом глаукоми на ранніх стадіях є підвищений внутрішньоочний тиск. Досі невідомо, що викликає розвиток цих захворювань, але відсутність лікування призводить до атрофії зорового нерва. З цієї причини в даній роботі ми пропонуємо нову систему глибокого навчання для автоматичної діагностики глаукоми з використанням згорткової нейронної мережі для класифікації, яка демонструє поліпшену продуктивність та фіксує час обчислень для зображень очного дна. Результати показали точність 94 % і величину втрат всього 0,27. Модель, яку ми створили для дослідження за допомогою Keras, допомогла нам досягти хороших результатів у процесі навчання та тестування. Результати дослідження демонструють здатність моделі глибокого навчання ідентифікувати глаукому за зображеннями очного дна. Збільшення розміру фільтрів та навчання моделі призвели до підвищення точності. Опитування населення, проведене у 2019 році, показує, що більшість пацієнтів з глаукомою дізнаються про своє захворювання пізно, після того, як хвороба викликає високий рівень ураження зорового нерва і високий відсоток втрати зору. Рання діагностика та виявлення глаукоми з використанням технології візуалізації зорового нерва викликали широкий клінічний інтерес з точки зору зупинки або уповільнення прогресування захворювання, що дозволило розробити нові алгоритми автоматизації діагностики захворювань очей |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|