Глибоке навчання для виявлення та класифікації стадій діабетичної ретинопатії

Autor: Marko Romanovych Basarab, Kateryna Olehivna Ivanko
Jazyk: English<br />Ukrainian
Rok vydání: 2024
Předmět:
Zdroj: Mìkrosistemi, Elektronìka ta Akustika, Vol 29, Iss 2 (2024)
Druh dokumentu: article
ISSN: 2523-4455
2523-4447
DOI: 10.20535/2523-4455.mea.309642
Popis: Рівень захворюваності на діабетичну ретинопатію (ДР), яка є ускладненням цукрового діабету і призводить до серйозного погіршення зору та потенційної сліпоти, в останні роки стрімко зріс в усьому світі. Ця патологія вважається однією з найпоширеніших причин втрати зору серед людей. Для покращення точності діагностики ДР, а також зменшення навантаження на медичних працівників, активно впроваджується використання методів штучного інтелекту в медичних установах. Зокрема, моделі на основі штучного інтелекту поєднують все більше алгоритмів для покращення продуктивності наявних архітектур нейронних мереж, які комерційно використовуються для виявлення ДР. Однак, ці моделі з використанням нейронних мереж все ще демонструють деякі обмеження, такі як необхідність високої обчислювальної потужності та низька точність виявлення початкових стадій ДР. Щоб подолати ці обмеження, актуальною є розробка досконаліших моделей машинного навчання для більш точного виявлення ДР на початкових етапах розвитку захворювання та класифікації проміжних стадій ДР, що, зокрема, допоможе офтальмологам поставити точний діагноз. У цій статті проведено огляд сучасних досліджень з використання глибокого навчання для вирішення задачі діагностики та класифікації ДР та суміжних захворювань, а також проблем, з якими стикаються офтальмологи при виявленні цього захворювання і можливих рішень для виявлення ДР на початкових стадіях. Цей огляд надає інформацію про сучасні підходи, що використовуються для виявлення ДР на основі застосування глибокого навчання, а також про проблеми та обмеження у цій області.
Databáze: Directory of Open Access Journals
Externí odkaz: