Нейросетевой классификатор для определения диабетической ретинопатии по изображениям сетчатки
Another Title
A neural network classifier for detecting diabetic retinopathy from retinal images
Bibliographic entry
Лукашевич, М. М. Нейросетевой классификатор для определения диабетической ретинопатии по изображениям сетчатки = A neural network classifier for detecting diabetic retinopathy from retinal images / М. М. Лукашевич // Системный анализ и прикладная информатика. – 2023. – № 1. – С. 25-34.
Abstract
С распространением сахарного диабета диабетическая ретинопатия (ДР) становится основной проблемой здравоохранения (особенно в развивающихся странах). Долгосрочные осложнения, возникающие в результате ДР, оказывают значительное влияние на пациентов. Ранняя диагностика и последующее лечение могут уменьшить наносимый здоровью вред. Предсказательная аналитика может быть основа на анализе изображений сетчатки глаза человека с помощью сверточных нейронных сетей. В работе исследования сосредоточены на разработке эффективного метода определения ДР на основе сверточной нейронной сети EfficientNet, технологии самообучения и операций аугментации данных. В результате экспериментов разработан нейросетевой классификатор на основе сверточных нейросетей, даны рекомендации для проведения аугментации данных. Эксперименты выполнены на публичном наборе данных и показали, что возможно достичь доли правильно классифицированных объектов равной 97,14 % на тестовом наборе из публичного набора данных. Ключевые слова: изображение
Abstract in another language
With the spread of diabetes mellitus, diabetic retinopathy (DR) is becoming a major public health problem (especially in developing countries). The long-term complications resulting from DR have a significant impact on patients. Early diagnosis and subsequent treatment can reduce the damage to health. Predictive analytics can be based on the analysis of human retinal images using convolutional neural networks. In this paper, the research focuses on the development of an efficient method for DR detection based on the EfficientNet convolutional neural network, self-learning technology and data augmentation operations. As a result of the experiments, a neural network classifier based on convolutional neural networks is developed, recommendations for data augmentation operations are given. Experiments were performed on the public dataset and showed that it is possible to achieve the proportion of correctly classified objects equal to 97.14 % on the test set from the public dataset.
View/
Collections
- № 1[8]