تشخیص بیماری‌های چشمی در تصاویر شبکیه چشم با استفاده از روش‌های یادگیری عمیق

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: تشخیص بیماری‌های چشمی در تصاویر شبکیه چشم با استفاده از روش‌های یادگیری عمیق

ارائه دهنده: Provider: هانیه زمردی - مهندسی کامپیوتر

اساتید راهنما: Supervisors: دکتر حسن ختن‌لو

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر محرم منصوری‌زاده، دکتر راضیه ترکمنی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 15 - 1404/11/14

مکان ارائه: Place of presentation: آمفی تئاتر مهندسی

چکیده: Abstract: بیماری‌های مختلف چشمی از جمله رتینوپاتی دیابتی، دژنراسیون ماکولا، نزدیک‌بینی و سایر اختلالات چشمی از مهم‌ترین دلایل کم‌بینایی و نابینایی در جهان هستند. ازاین‌رو تشخیص به موقع و دقیق این بیماری‌ها نقش کلیدی در پیشگیری و جلوگیری از نابینایی دارد. با این حال، امروزه روش اصلی تشخیص این بیماری‌ها به صورت دستی و توسط چشم‌پزشک می‌باشد که این امر زمان‌بر بوده و به طور قابل توجهی به تجربه و تخصص پزشک وابسته است. بنابراین، توسعه روش‌های خودکار با دقت و قابلیت اعتماد بالا برای تحلیل تصاویر فوندوس شبکیه از اهمیت ویژه‌ای برخوردار است. در این پژوهش، یک چارچوب مبتنی بر یادگیری عمیق برای تشخیص چندکلاسه بیماری‌های چشمی از تصاویر شبکیه ارائه می‌شود. در این روش، ابتدا تصاویر خام شبکیه تحت مجموعه‌ای از فرایندهای پیش‌پردازش و افزایش داده قرار می‌گیرند تا کیفیت تصاویر بهبود یافته و مشکل کمبود داده‌ها کاهش یابد. سپس با بهره‌گیری از معماری Swin Transformer، ویژگی‌های مهم و معنادار از تصاویر استخراج می‌شوند. از طرفی، به منظور تقویت درک مدل از روابط و وابستگی‌های سراسری میان ویژگی‌ها، از یک Transformer Encoder استفاده شده است. همچنین، برای بهبود فرآیند یادگیری و افزایش پایداری مدل، ما از یک تکنیک تابع خطای ترکیبی استفاده نموده‌ایم. در نهایت باید اشاره کرد که عملکرد روش پیشنهادی با استفاده از معیارهای ارزیابی مختلف مورد بررسی قرار گرفته و نتایج حاصل نشان‌دهنده بهبود قابل‌توجه دقت و درستی تشخیص نسبت به پژوهش‌های پیشین است. یافته‌های این پژوهش نشان می‌دهند که استفاده از معماری‌های پیشرفته یادگیری عمیق می‌توانند به عنوان ابزاری مؤثر و غیرتهاجمی در تشخیص خودکار بیماری‌های چشمی به کار گرفته شوند و نقش مهمی در توسعه سیستم‌های هوشمند به منظور کمک به متخصصان و چشم‌پزشکان ایفا کنند.