Skip to content
DSML.KZ
Publications

Article · Вестник Алматинского университета энергетики и связи · December 30, 2023

МЕТОДЫ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ДЛЯ РАННЕГО ВЫЯВЛЕНИЯ ДИАБЕТИЧЕСКОЙ РЕТИНОПАТИИ

Институт информационных и вычислительных технологий, Алматы, Казахстан, Оркен Мамырбаев, Сергей Павлов, Винницкий Национальный Технический Университет, Винниция, Украина, Kymbat Momynzhanova, Казахский Национальный Университет имени аль-Фараби, Алматы, Казахстан

Kymbat Momynzhanova
Open via DOI

Abstract

В данном исследовании рассматривается проблема растущей пандемии диабета, касающаяся более 420 миллионов человек по всему миру к началу 2020 года, с диабетической ретинопатией как одним из серьезных осложнений, способных привести к потере зрения. Для эффективной диагностики этого осложнения была разработана информационная система, использующая методы машинного обучения и обработки изображений. Основной целью исследования являлось повышение точности диагностики диабетической ретинопатии с использованием методов предварительной обработки изображений и системы поддержки принятия решений, основанной на нейросетевых технологиях. В данном исследовании основной акцент был сделан на применение нейронных сетей, включая как классические, так и глубокие, для создания оптимальной модели диагностики. Таким образом, при обработке сложных биологических нейронов и больших объемов данных возникла потребность в новых методах, что приводит к развитию методов машинного обучения. Для анализа был применен набор данных, состоящий из более 35 000 обучающих и 15 000 тестовых изображений глазного дна человека с разрешением более 2000x3000 пикселей, доступных на kaggle.com. Несмотря на проблемы с разрешением и наличие шума, в статье был применен медианный фильтр для обработки информации, особенно в условиях шумных изображений. После обучения диагностической системы на обучающих данных, система тестировалась на исключенных данных для сравнения предсказаний с фактическими значениями. Вследствие была использована матрица путаницы для оценки качества модели классификации. Для оценки надежности классификации применены стандартные метрики, такие как точность, точность классификации, полнота и специфичность. Новизна данного исследования заключается в применении методов предварительной обработки изображений и системы поддержки принятия решений, основанной на нейросетевых технологиях, для повышения точности диагностики диабетической ретинопатии.

Retinal Imaging and AnalysisRetinal Diseases and TreatmentsArtificial Intelligence in Healthcarediabetic retinopathyearly detectionretinal image classification

More by Kymbat Momynzhanova