تأثير به‌كارگيري مدل‌هاي رقابتي مولد عميق در تعيين درجه رتينوپاتي ديابتي

زمينه و اهداف: تشخيص زودهنگام رتينوپاتي ديابتي در نيروهاي نظامي مي‌تواند موجب جلوگيري از كاهش عملكرد اين نيروها و يا ممانعت از بروز خطاهاي عملياتي شود. به‌كارگيري يك روش خودكار و بهينه جهت تشخيص درجه بيماري از روي تصاوير شبكيه، در پيشگيري از حاد شدن بيماري كمك كننده است. هدف اين مقاله ارائه روشي نو در تعيين پروليفراتيو، مبتني بر تجزيه‌ و تحليل داده‌ها از طريق تكنيك‌هاي يادگيري ‌عميق در هوش مصنوعي است. روش بررسي: در اين مطالعه كه در سال 1397-1399 انجام شد از روشي نوين در رده‌بندي 35,126 تصوير پزشكي بر روي مجموعه داده‌هاي قابل‌دسترس از سايت كاگل مربوط به بيمارستاني در كشور انگلستان، استفاده شد. براي ايجاد توازن بين سطوح، ابتدا با كمك مدل رقابتي‌مولد‌عميق، تعداد كلاس‌هاي كم تعداد را افزايش‌ داده، سپس با استفاده از يك رده‌بند طراحي‌شده، تعيين درجه رتينوپاتي ديابتي، به طرق مختلف، انجام‌گرفت. يافته‌ها: با استفاده از‌ مدل‌ مولد عميق طراحي‌شده، دقت رده‌بندي حدود 87% به دست آمد كه نسبت به برترين كارهاي مشابه، حدود 7% بهبود داشت. ضمناً با توزيع مدل، كارايي خودكارسازي نيز به ميزان 60% بهبود نشان داد. نتيجه‌گيري: با رفع مشكل عدم توازن سطوح مختلف رتينوپاتي، از طريق توليد تصاوير جديد با استفاده از مدل‌ مولد عميق طراحي‌شده و توزيع عمليات مذكور، ضمن افزايش كارايي، دقت بهينه نيز حاصل‌شده است. لذا از اين راهكار نوين مي‌توان جهت خودكارسازي تشخيص درجه رتينوپاتي بهره برد.