Classifying Three Stages of Cataract Disease using CNN

الملخص

مقدمة:

  من بين العديد من الأمراض التي تصيب شبكية العين هو الساد . يعتبر مرض الساد من أخطر مشاكل الصحة العامة الدوائية في الدول النامية.  يمكن أن يحدث  دون التسبب في أي أعراض. وهو يعتبر أحد الأسباب الرئيسية للعمى أو عدم وضوح الرؤية لكبار السن. لذلك ، فإن الاكتشاف الدقيق والمبكر لإعتام عدسة العين حسب شدة الحالة مطلوب للحفاظ على الرؤية ومنع الزيادة العالمية في العمى الناجم عن إعتام عدسة العين. كما هو الحال مع معظم الأمراض المتعلقة بالعيون، فقد ثبت أن العلاجات والتشخيص المبكر يمنعان فقدان البصر . و بالمقارنة مع طرق التشخيص اليدوية، تساعد أنظمة تحليل الشبكية الأوتوماتيكي في تقليل وقت للمرضى وتقليل التكلفة. اكتسبت طرق الكشف عن مرض عتمة العين المبنية على استخدام الذكاء الاصطناعي اهتمامًا كبيرًا في المجتمع العلمي. ينتج هذا البحث طريقة فعالة وقوية للتشخيص التلقائي لإعتام عدسة العين باستخدام الشبكة العصبية التلافيفية (CNN) لاكتشاف وتصنيف الساد تلقائيًا في صور قاع العين. يستخدم محسن آدم ومجموعة بيانات (ODIR) لتدريب النموذج. تتفوق الطريقة المقترحة على أحدث أنظمة الكشف عن المياه البيضاء بمتوسط ​​دقة 100٪ لفئتين (عادي، إعتام عدسة العين)، 96.9٪ لأربع فئات (عادي، خفيف، معتدل، شديد) وفقًا للنتائج التجريبية.

طرق العمل:

باستخدام شبكة Convolution العصبية (CNN) لاكتشاف وتصنيف إعتام عدسة العين تلقائيًا في صور قاع العين..

الاستنتاجات:

   حيث يقترح هذا البحث نظام التشخيص الآلي لإعتام عدسة العين باستخدام الشبكة العصبية العميقة (DCNN). تمت معالجة مجموعة بيانات الساد لصور قاع العين مسبقًا وتحسينها لجعل مجموعة البيانات أكثر ملاءمة لتغذية الشبكة العميقة في البداية. تعمل الشبكة المقترحة في طبقات مختلفة، ودوال التنشيط ، ودوال الخسارة، وخوارزميات التحسين من أجل تقليل تكاليف الحوسبة مع الحفاظ على دقة النموذج. استخدم النظام المقترح طرق تكبير متعددة للصور ، ثم طبق النظام على هذه الصور المعززة لتقليل مشكلة فرط التجهيز وتحسين كفاءة النظام المقترح ، حيث تم الحصول على أفضل دقة لتصنيف 96.9 بالمائة لصور قاع العين التي تمت زيادتها قاعدة بيانات ODIR ، ولكن بنسبة 94 في المائة فقط عند تطبيق النظام على صور قاع العين الأصلية. عند مقارنته بأعمال أخرى مماثلة، كان أداء هذا النظام رائعًا. نظرًا لأن هذا النهج كان فعالًا للغاية من حيث التكلفة وتوفير الوقت اللازم لطبيب العيون، فقد كان فعالاً من حيث الوقت، قادراً على اكتشاف إعتام عدسة العين بشكل أسرع ودقيق مع عدد أقل من المعاملات المستخدمة في الشبكة وطاقة كمبيوتر أقل. كذلك في صور قاع الشبكية، فإن الطريقة المقترحة قادرة على اكتشاف مراحل الساد. وتم الكشف عن مراحل إعتام عدسة العين (خفيفة، معتدلة، وشديدة) بواسطة نظام DCNNs المقترح.