Abstrait

Approche de Deep Learning pour détecter le diabète à l'aide d'images rétiniennes

Mohammed Muzammil

Le diabète peut provoquer une rétinopathie diabétique, qui affecte les vaisseaux sanguins rétiniens et les yeux. Il ne manifeste pas initialement de symptômes ou provoque des problèmes visuels sporadiques. Lorsqu'il devient suffisamment grave, il affecte les deux yeux et finit par altérer la vision complètement ou partiellement. Cela se produit principalement lorsque le taux de sucre dans le sang est hors de contrôle. Par conséquent, le risque de contracter cette maladie est toujours élevé pour une personne atteinte de diabète sucré. Le risque de cécité totale et permanente peut être évité grâce à un diagnostic précoce. Par conséquent, un mécanisme de dépistage fiable est nécessaire. Le réseau convolutionnel dense net est utilisé dans le travail actuel pour examiner une approche d'apprentissage profond pour le diagnostic précoce de la rétinopathie diabétique. Selon les niveaux de gravité, les images du fond d'œil sont classées comme aucune RD, RD légère, modérée, sévère et proliférative. La détection de la rétinopathie diabétique 2016 et la détection de la cécité aptos 2020, toutes deux collectées auprès de Kaggle, sont les ensembles de données pris en compte. Les phases incluses dans la technique proposée sont la collecte des données, le prétraitement, l'augmentation et la modélisation. Notre modèle suggéré a atteint une précision de 92 %. Le modèle de régression, qui a également été utilisé, avait un taux de précision de 75 %. L'objectif principal de cet effort est de créer une méthode fiable pour détecter automatiquement les DR.