糖尿病性網膜症における重症度レベルの特定とグラーデーションのための深層学習に基づく自動システム

糖尿病性網膜症（DR）は成人の失明の主要な原因ですが、早期発見によりこの状態を効果的に管理できます。現在の自動DRスクリーニングの方法は、主に特定の眼病変の発見に焦点を当てています。しかし、新しい研究では、個々の病変を検出する代わりに、複数の病変を考慮してDR分類を行うという異なるアプローチが取られています。本研究では、IDRIDデータベースから統計的およびCNN画像特徴を抽出して、糖尿病性網膜症の分類のために網膜画像を分析する革新的な技術が使用されています。このプロセスでは、入力された網膜血管画像がガウシアンフィルターを使用して前処理され、微小動脈瘤、出血、および滲出物などのさまざまな病変がセグメンテーションされ、それらから統計的およびCNNベースの特徴が抽出され、DRの検出と分類に使用されます。これらの特徴は、糖尿病性網膜症を分類するための畳み込みニューラルネットワークに適用され、正常、軽度、中等度、重度の4つのクラスに分類されます。結果は、精度（Acc）、感度（SN）、および特異度（SP）などの性能パラメータを使用して評価されます。この方法は91.42%の精度を達成し、従来の病変ベースの方法と比較してエラーをほぼ40%削減します。