بررسی سطح شدت اختلال وابسته به شبکیه چشم دیابتیک با استفاده از الگوریتم های دسته کننده با نظارت
چکیده
RETINOPATHY دیابتی ، عارضه است که در افراد دارای چندین سال mellitus دیابتی ها رخ می دهد و سبب گروهی از ضایعات توصیفی در شبکیه چشم می شود و به طور پیشرونده به آن آسیب می زند . بازیابی ، امراض ته چشمی شبکیه چشم بدین ترتیب ، به متخصصان چشم کمک می کند تا درمانهای صحیحی را که ممکن است بیماری را در بهبود دهد یا شدتش را بکاهد و بنابراین ، بیماران را از آسیب دیداری حمایت می کند ، را بکار ببرند . RETINOPATHY دیابتی معمولا توسط متخصصان چشم و با استفاده از تصاویر مبسوط داده شده ای تشخیص داده می شوند که با ریختن یک محلول شیمیایی در داخل چشم بیمار گرفته می شود که سبب ناراحتی و تهییج بیمار می شود . در این مقاله ، ما شیوه ای را برای بازیابی خودکار مواد مترشحه ضایعه ای به کمک یک تصویر مبسوط نشده ته چشمی از شبکیه چشم برای کمک کرده به متخصصان چشم جهت تشخیص بیماری ارائه کرده ایم مواد مترشحه حاصل از تصاویر تقابل پایین می توانند با استفاده از مورد مجاور براساس تکنیک تقطیع بازیابی و تعیین محل شوند . ماشین بردار حمایتی (SVM) و دسته کننده های شبکه عصبی احتمال گرا ( PNN) برای ارزیابی شدت بیماری پیشنهاد می شوند و نتایج با همان تکنیک تقطیع مقایسه می شوند . میانگین درستی طبقه بندی مربوط به SVM و دسته کنندگان PNNمشخص شده به ترتیب ۹۷٫۸۹ درصد و ۹۴٫۷۶ درصد می باشد .
واژگان کلیدی :
RETINOPATHYدیابتی ، مواد مترشحه ، محاسبه نمره ، برچسب اجزاء مجاور ، دسته کنندگان SVM ، شبکه عصبی احتمال گرا
مقدمه
RETINOPATHY ( نوعی اختلال در شبکیه چشم ) دیابتی (DR) گزارش شده ، مکررترین دلیل گستردگی جهانی نابینایی در افراد گروه سنی ۷۴-۲۰ است . وقوع این اختلال تا حد زیادی مربوط به طول مدت دیابت است . در طی دو دهه نخست بیماری دیابت ، تقریبا همه بیماران دارای دیابت نوع ۱ و بیش از ۶۰ درصد بیماران دارای دیابت نوع ۲ دارای نوعی اختلال در شبکیه چشم هستند . ۱٫ اختلال در شبکیه چشم با نابهنجاری های کم خفیف شروع می شود که با تراوایی بهبود یافته عروقی ، RETINOPATHY دیابتی غیر تکثیری سخت (NPDR) و خط جریان عروقی تشخیص داده میشود و با RETINOPATHYدیابتی زیاد شده (PDR) پایان می یابد که با رشد رگهای خونی جدید بر روی شبکیه چشم و سطح خلفی شیشه ای توصیف می شود . تقریبا ۲۱ درصد بیماران دیابتی در اولین زمان تشخیص بیماری دیابت دارای RETINOPATHY هستند و این درصد با زمان افزایش می یابد .
RETINOPATHYبیماری دیابتی تحت شرایط قند خون بالا یا قند در یک دوره زمانی طولانی رخ می دهد . علائم اصلی این بیمای سیستم عروقی میکرو aneurysms(MAS)، خون روی و مواد مترشحه است .سیستم عروقی میکرو ها ، نابهنجاری های اولیه که در چشم بیمار اتفاق می افتد ، اتساعات موضعی مویرگ های شبکیه چشم هستند که به صورت نقاط قرمز تیره و بسیار کوچکی شناخته می شوند که به تنهایی یا به صورت گروهی دیده می شوند و خون روی در لایه های عمیق تر شبکیه چشم اتفاق می افتد ، زمانیکه ، خون از عروق شبکیه چشم تراوش می شود . این خون روی ها اغلب ، خون روی لکه ای نامیده می شوند که به خاطر شکل گرد انها می باشد . برخی از رگ های خونی بیمارRETINOPATHYدیابتی ممکن است باد کنند یا مایعی را تراوش نمایند . با این وجود ، برای سایر بیماران ، رگ های خونی جدید غیر نرمال بر روی سطح شبکیه چشم رشد می کنند . سیگنال ها برای تغذیه راه اندازان رشد رگ های خونی بی قاعده جدید و بی دوام به شبکیه چشم فرستاده می شود . این رگ های خون در امتداد شبکیه چشم و سطح ژلاتینی واضح و لعابداری گسترش می یابند که تورفتگی داخل چشم را پر میکند . با این حال ، آنها دارای دیوارهای نازک و تردی هستند . اگر این رگ های خونی ، خون یا ماده آبکی را تراوش نمایند می تواند آسیب بصری شدید و حتی نابینایی رخ می دهد . ترشح ماده سیال آبکی از رگ های خونی ناهموار یا نازک یک برون نشست ( تراوایی) نامیده میشود . این مواد مترشحه به صورت مواد مترشحه نرم و سخت ترشح می شوند . مرحله اولیه ترشحات ، مواد مترشحه سخت را در بر می گیرد که دارای رنگی زردفام هستند ، در حالی که مرحله سخت مواد متشحه ، مواد مترشحه نرم را در بر می گیرد که همچون پنبه لایی دیده می شوند . بازیابی اولیه این بیماری به متخصصان چشم کمک می کند تا درمان مناسب را ارائه و بنابراین ، از بیمار در برابر از دست رفتگی بینایی حمایت نمایند .
RETINOPATHY دیابتی تعدادی از علائم چشم درد یا بصری را نشان میدهد تا اینکه ، آسیب دیداری افزایش می یابد . در حال حاضر، فتو Coagulation لیزری به عنوان یک تکنیک درمانی موثر در مقابل RETINOPATHY دیابتی مورد توجه است چون فتو Coagulation لیزری مانع پیشروی اختلالات مربوط به شبکیه چشم می شود و به موجب آن آسیب بینایی کنترل می شود . ولی ، بینایی از دست رفته را باز نمی گرداند . به علاوه ، مواد شیمیایی استفاده شده برای فتو coagulation ممکن است سبب نابینایی شود برای بازیابی کردن اختلالات مربوط به شبکیه چشم بیماران دیابتی در مرحله اولیه ، بیماران دارای دیابت بایستی با استفاده از یک تکنیک بازیابی خودکار ارزیابی شوند . استفاده از تصاویر دیجیتالی غیر mydriatic ،تکنیک اتوماتیک ارجح در جهت بررسی و بازیابی اختلالات مربوط به شبکیه چشم بیماران دیابتی است .
الگوریتم پیشنهاد شده در این فصل عملکرد و طبقه درستی از طبقه بندی را بهبود می بخشد . این شیوه شامل مراحل ذیل است : پیش پردازش ، استخراجROI بازیابی مواد مترشحه ، استخراج مشخصه ها و ارزیابی دقیق با استفاده از دسته کنندگان SVM وPNN مواد مترشحه براساس پیش پردازش و استخراج ROI بازیابی می شوند . پس از بازیابی مواد مترشحه ، مشخصه های تصاویر بازیابی مواد مترشحه مشخص میشود و سطح شدت بیماری با استفاده از هر دو دسته کننده SVMوPNN ارزیابی می شود .
به طور کلی ، دسته کننده شامل دو نوع است . با نظارت و بدون نظارت . دسته کننده با نظارت نیازمند داده های اموزشی برای هر یک از زمان های تست برای ارائه نمودن نتایج خوب است . دسته کننده بدون نظارت نیازمند داده های آموزشی برای هر یک از زمانهای تست انجام شده نیست و وقتی ، داده ها آموزش داده می شوند ، طبقه بندی را می توان در هر زمانی انجام داد . با این حال ، ممکن است خوب باشد و ممکن است خوب نباشد . الگوریتم طبقه بندی استفاده شده برای تشخیص بیماری بایستی نتایج درستی را ارائه دهد چون اثر ارائه شده به شرایط سالم یک بیمار دیابتی می پردازد . برای توانمند سازی طبقه بندی درست ، نوع نظارت شده دسته کنندگان SVM و PNN مورد استفاده قرار می گیرند . این دسته کنندگان درباب انتخاب یک تابع مشابه منعطف و همچنین قادر به دسته بندی کردن فضای مشخصه بزرگ هستند . هر دوی این دسته کننده های ملاحظه شده دارای دو حالت کاری ، آموزشی و تست هستند . شدت بیماری ، در حالت تست براساس ویژگی های استخراج شده مربوط به تصویر خاص تعریف شده است . پیش از استخراج مشخصه ، مشخصه های همه تصاویر نرمال و غیر نرمال آموزش داده می شود . در پایان ، عملکرد های دسته کننده مقایسه می شوند .
Investigation of the severity level of diabetic retinopathy using supervised classifier algorithms
Abstract
Diabetic retinopathy is a condition that occurs in individuals with several years of diabetes mellitus and causes a characteristic group of lesions in the retina and progressively damages it. Detecting retinal fundus diseases in advance helps ophthalmologists to apply proper treatments that may cure the disease or decrease its severity and thus protect patients from vision loss. Diabetic retinopathy is usually diagnosed by ophthalmologists using dilated images that are captured by pouring a chemical solution into the patient’s eye, which causes inconvenience and irritation to the patient. In this paper, we propose a method to detect lesion exudates automatically with the aid of a non-dilated retinal fundus image to help ophthalmologists diagnose the disease. The exudates from the low contrast images are detected and localised using a neighbourhood based segmentation technique. A support vector machine (SVM) and probabilistic neural network (PNN) classifiers are proposed to assess the severity of the disease, and the results are compared with the same segmentation technique. The average classification accuracy for the SVM and PNN classifiers are determined to be 97.89% and 94.76%, respectively.
لینک مقاله اصلی:
https://www.sciencedirect.com/science/article/pii/S0045790615000191
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد