هندسة هجين لتحويل التعلم العميق ودمج الميزات لتصنيف وتقدير شدة اعتلال الشبكية السكري

اعتلال الشبكية السكري (DR) هو السبب الرئيسي للعمى بين الأفراد المصابين بالسكري. يمكن أن يساعد أتمتة تشخيص اعتلال الشبكية السكري في تحقيق فوائد كبيرة للمرضى من خلال تمكين الكشف المبكر والتدخل، مما يقلل من خطر العمى. الهدف الأساسي من هذا البحث هو تطوير نهج قوي لتصنيف اعتلال الشبكية السكري وتحليل تقدير شدته. من خلال تحقيق ذلك، نهدف إلى تقديم أداة فعالة للتشخيص الدقيق وتقييم اعتلال الشبكية السكري، مما يساهم في تحسين رعاية المرضى والنتائج. أظهرت مراجعة الأدبيات الحالية أهمية التعلم العميق في تطبيقات رؤى الحاسوب. علاوة على ذلك، هناك العديد من النماذج المدربة مسبقًا والتي يمكن استخدامها في مهام التصنيف. لذلك، نقدم نهج تصنيف هجين للتعلم العميق من خلال دمج Inception V3 و VGG-19 و ResNet 50. تستخدم الهندسة المقترحة التعلم بالتtransfer ونموذج دمج الميزات لإنتاج متجه الميزات المرجح الذي يستخدم في تحليل التصنيف. تم تجربة النهج المقترح على مجموعات البيانات المتاحة للعامة APTOS-2019 وMessidor. تم قياس الأداء من حيث الدقة، الدقة، الاسترجاع وF1-score.