Ön eğitimli derin öğrenme modelleri kullanarak diyabetik retinopatisinin sınıflanması

Diyabetik Retinopati (DR) körlüğe yol açan ilk faktör olarak kabul edilir. Erken tespit edilmezse, dünyadaki birçok insan gözlerinde DR'ye neden olabilecek diyabetik hastalıklardan muzdarip olur. Oftalmologlar tarafından düzenli izleme ve taramada meydana gelen herhangi bir gecikme, bu hastalığın hızlı ve tehlikeli bir şekilde ilerlemesine neden olabilir ve bu da insan görme kaybına neden olur. Bu hastalığın izlenmesi için gerekli olan doktor sayısı ile her geçen yıl artan dünyadaki hasta sayısı arasındaki dengesizlik, birçok durumda iyi tedavi edilmiş olduğu tespit edilen birçok vakada kötü düzenli izleme ve kayıp görüşüne yol açan önemli bir problem olduğunu göstermektedir. DR. Bu sorunu çözmek için, bir bilgisayar yardımı teşhisi (CAD) için ciddi yardıma ihtiyaç vardı. Derin eğitim önceden eğitilmiş modeller, görüntü tanıma ve iyi performansla görüntü algılamada son teknolojidir. Bu araştırmada, görüntü ön işlemeyi kullandık ve çizik ve ince ayarlı beş ön eğitimli derin öğrenme modelinden çeşitli evrişimli sinir ağı modelleri kurduk, ImageNet'i diyabetik retinopatinin tıbbi görüntüleri için veri seti olarak veri seti olarak kullandı. Beş sınıf Ondan sonra, Flask'ı çerçeve web servisi olarak kullanarak diyabetik retinopati web uygulaması oluşturmak için iyi performans gösteren modeli seçtik. Web uygulamamızı oluşturmak için JAGSER ile KAGGLE çekirdek web sitesini bir dizüstü bilgisayar ve Flask olarak kullandık. AUC'nin nihai sonucu, InceptionResNetV2 kullanılarak 0.68 idi.