심층 학습 모델 ResNet15를 이용한 당뇨병성 망막병증 탐지

당뇨병성 망막병증은 시력에 심각한 위협을 가하고 실명으로 이어질 수 있는 일반적인 망막 질환 중 하나로 두드러집니다. DR로 인해 발생하는 여러 문제는 혈당 조절과 적시 치료를 통해 막을 수 있지만, 망막 이미지를 수동으로 평가하는 과정은 종종 긴 시간이 걸리며 인적 오류가 발생할 수 있습니다. 본 논문은 망막 이미지 집합을 분류하는 자동화된 방법을 찾기 위한 방향으로 시도합니다. 연구는 망막 이미지 수집과 전처리로 시작되며, 이어 CNN 모델의 훈련이 이어집니다. 심층 학습 방법론을 활용하여, CNN은 당뇨병성 망막병증(DR)의 정도를 0(DR 없음)에서 4(증식성 DR)까지 네 가지 범주로 분류합니다. 우리는 다양한 데이터셋을 사용하여 모델의 성능을 평가합니다. CNN의 강점을 활용하여 DR 탐지를 수행하고, 여기에는 분류, 분할 및 탐지라는 세 가지 주요 어려움이 포함됩니다. 우리는 환자의 ID와 이름으로 일련의 예측을 저장하고 유지하는 GUI 기반 시스템 개발을 목표로 하고 있습니다. 환자에게 접근할 수 없는 경우 SMS 연결을 가능하게 하기 위해 Twilio API를 사용했습니다. 지난 몇 년간의 많은 연구 활동은 Resnet 외의 모델을 사용할 때 정확도가 낮고 이미지의 복잡한 특징과 패턴을 포착하지 못하는 한계와 단점이 있었습니다. DR 탐지에서 이전에 사용된 Resnet152 모델은 가장 낮은 훈련 손실, 가장 낮은 테스트 손실 및 가장 낮은 손실 차이를 가졌습니다. 우리는 수천 개의 레이어로 구성된 RESNET-152 사전 훈련된 심층 학습 모델에서 작업하여, 초기 개발 모델의 문제와 한계를 극복하기 위해 복잡한 특징을 포착하고 이미지 분류의 높은 성능과 높은 정확성을 제공합니다.