تشخيص اتوماتيك بيمارهاي شبكيه چشم با استفاده از مدل هاي رياضياتي پردازش تصوير، مبتني بر يادگيري ديكشنري چند لايه

هدف از اين مطالعه بهبود عملكرد طبقه بندي روش هاي نوين، با استفاده از مدلي چند لايه به منظور كمك به تشخيص بيماري‌هاي شبكيه ي چشم است. اين مدل از الگوريتم K-SVD پيشرفته، براي يادگيري ماتريس ديكشنري و الگو هاي پايه استفاده مي كند تا بتواند با الگوپذيري از معماري چند لايه، ويژگي هاي بهتري را در تصاوير OCT شبكيه بياموزد. همچنين در اين معماري، علاوه بر استفاده از برچسب هاي كلاس داده هاي آموزشي، اطلاعات برچسب نيز در هر ستون پايه در ماتريس ديكشنري تركيب مي شود تا در كدگذاري تنك در طي فرآيند يادگيري ديكشنري بيشترين تبعيض اعمال شود كه اين منجر به موفقيت مراحل كدگزاري تنك و جمع بندي، در پيدا كردن نمايش موثر تري از داده به منظور طبقه بندي مي گردد. براي اعتبار سنجي الگوريتم، از مجموعه داده هاي داك استفاده شده است. نتايج تجربي نشان مي دهد كه الگوريتم پيشنهادي اين مقاله توانسته است با پيشي گرفتن از بسياري از مدل هاي جديد يادگيري ديكشنري و نمايش تنك، بسيار خوب عمل نمايد و با دقت خوبي منجر به طبقه بندي صحيح ٪95.85 براي تصاوير نرمال و صددرصد براي تصاوير بيمار (DME و AMD) شود.