Entwurf einer frühen Erkennung und Klassifikation von diabetischer Retinopathie durch tiefes Merkmalsextraktions-basiertes Convolution Neural Network

Die frühe Identifikation von Diabetikern mithilfe von Retinopathie-Bildern ist nach wie vor eine schwierige Herausforderung. Viele Diagnoseverfahren für Krankheiten werden durch die Verwendung der in Fundusbildern vorhandenen Blutgefäße erreicht. Viele herkömmliche Methoden scheitern daran, die vorhandenen Hard Executives (HE) in Retinopathie-Bildern zu erkennen, die zur Bestimmung des Schweregrads der Diabeteskrankheit verwendet werden. Um diese Herausforderung zu bewältigen, extrahiert die vorgeschlagene Forschungsarbeit die Merkmale durch die Integration tiefer Netzwerke über Convolution Neural Networks (CNN). Mikroaneurysmen können bereits in den frühen Stadien der Transformation vom normalen zum kranken Zustand in den Bildern für leichte DR sichtbar sein. Der Schweregrad der Diabeteserkrankung kann anhand der Ergebnisse der Verwirrungsmatrix klassifiziert werden. Die frühe Erkennung des diabetischen Zustands wurde durch die im Blutgefäß eines Auges entdeckten HE erreicht, indem das vorgeschlagene CNN-Framework verwendet wurde. Das vorgeschlagene Framework wird auch zur Erkennung des diabetischen Zustands einer Person verwendet. Dieser Artikel bietet den Beweis, dass die Genauigkeit des vorgeschlagenen Frameworks höher ist als die anderer traditioneller Erkennungsalgorithmen.