كشف أمراض العيون عبر التعلم العميق باستخدام دالة خسارة مختلطة جديدة

مع شيوع تقنيات التشخيص بمساعدة الكمبيوتر (CAD)، تم تطوير المزيد من طرق التعلم العميق لتسهيل اكتشاف أمراض العيون. في هذه المقالة، يتم تحليل الاكتشافات المعتمدة على التعلم العميق لبعض الأمراض الشائعة في العين، بما في ذلك الساد، والزرق، والتنكس البقعي المرتبط بالعمر (AMD). بشكل عام، يكشف التغير الشكلاني في الشبكية عن وجود مرض في العين. ثم، بينما نستخدم بعض طرق التعلم العميق الموجودة لتحقيق هذه المهمة التحليلية، قد لا يتم تقديم الأداء المرضي، حيث تعاني صور قاع العين عادةً من تأثير عدم توازن البيانات والقيم الشاذة. لذلك، من المتوقع أنه مع استكشاف خوارزميات التعلم العميق الفعالة والموثوقة، يمكن تحسين أداء الاكتشاف بشكل أكبر. هنا، نقترح نموذج تعلم عميق مجمع مع دالة خسارة مختلطة جديدة لاكتشاف أمراض العين تلقائيًا، من خلال تحليل صور قاع الشبكية الملونة. على وجه التحديد، نظرًا للجوانب الجيدة من العمومية والموثوقية لوظائف خسارة التركيز وخسارة التداخل في معالجة مجموعات البيانات المعقدة ذات عدم التوازن والفئات الشاذة، نقدم مزيجًا من هذين الخسائر في نموذج الشبكة العصبية العميقة لتحسين أداء التصنيف للأdata الطبية. يتم تقييم النموذج المقترح على مجموعة بيانات عينية حقيقية. في الوقت نفسه، يتم مقارنة أداء نموذج التعلم العميق مع دالة الخسارة المقترحة لدينا مع النماذج الأساسية، مع اعتماد الدقة والحساسية والخصوصية وكابا، والمنطقة تحت منحنى تشغيل المستقبل (AUC) كمعايير تقييم. تؤكد النتائج التجريبية فعالية وموثوقية الخوارزمية المقترحة.