تصنيف متعدد الفئات لأمراض الشبكية عبر تقنيات التعلم العميق بناءً على صور قاع العين
DOI:
https://doi.org/10.54153/sjpas.2024.v6i3.881الكلمات المفتاحية:
Retinal disease، deep learning، fundus image، YOLOv8الملخص
يعد الكشف المبكر عن اضطرابات الشبكية أمراً في غاية الأهمية من أجل اتخاذ القرار في اللحظة المناسبة، وذلك لأهمية العلاج والوقاية من الأمراض التي تعد سبباً مهماً في الإصابة بالعمى. كثيرًا ما يواجه الخبراء في تشخيص هذه الأمراض عددًا من العقبات، بما في ذلك الوقت، فضلاً عن الفروق بين المراقبين بسبب حدوث مجموعة مماثلة من الأعراض بين المجموعات، وقد يتشارك البعض في الفئات في حالات مماثلة لمواجهة هذه التحديات. يقترح هذا العمل نموذجًا جديدًا لأساليب التعلم العميق المتعلقة باكتشاف الأشياء وتصنيفها. وباستخدام YOLOv8، تم استخدام YOLOv8m-cls، الذي يتميز بالكفاءة والدقة والسرعة الممتازة، ويتفوق على التحقيقات السابقة. تم تدريب النموذج باستخدام البيانات المتاحة للجمهور من قاعدة بيانات Kaggle، التي تحتوي على 4217 صورة لقاع العين، بما في ذلك الجلوكوما، وإعتام عدسة العين، واعتلال الشبكية السكري، والحالة الصحية النهائية. كانت الدقة 94، والدقة 95%، والاستدعاء 97%، وكانت درجة F1 96 بعد 0.5 ساعة من التدريب. توضح هذه الدراسة، بناءً على البيانات التي تم الحصول عليها، ولا سيما مع النموذج الجديد YOLOv8m-cls، إحداث ثورة في تشخيص أمراض العيون، مما يؤدي إلى نتائج أفضل للمرضى وتوفير الرعاية الصحية.
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
Copyright Notice
Authors retain copyright and grant the SJPAS journal right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in Samarra Journal of Pure and Applied Science.
The Samarra Journal of Pure and Applied Science permits and encourages authors to archive Pre-print and Post-print items submitted to the journal on personal websites or institutional repositories per the author's choice while providing bibliographic details that credit their submission, and publication in this journal. This includes the archiving of a submitted version, an accepted version, or a published version without any Risks.
