متين محمودخاني

Retinal Disease Classification Using Vision Transformer an‎d LoRA Adapter

تشخيص زودهنگام و دقيق بيماري‌هاي شبكيه چشم، نقشي حياتي در جلوگيري از نابينايي و حفظ سلامت بينايي ايفا مي‌كند. با اين حال، تحليل دستي تصاوير فوندوس چشم فرآيندي زمان‌بر و وابسته به تخصص چشم‌پزشك است. اين پژوهش با هدف بهره‌گيري از روش يادگيري عميق در حوزه بينايي كامپيوتر، به طراحي و ارزيابي يك سامانه هوشمند براي رده‌بندي چندبرچسبي هشت گروه از بيماري‌هاي شبكيه چشم بر اساس مجموعه داده ODIR-2019 مي‌پردازد. هر تصوير مي‌تواند سالم تشخيص داده شود يا به يك يا چند دسته از بيماري‌ها تعلق داشته باشد. در اين راستا، ابتدا يك رويكرد يادگيري انتقالي با استفاده از شبكه‌ي عصبي كانولوشني VGG16 به كار گرفته شد كه نتايج قابل قبولي را به عنوان مبنا به دست آورد. سپس، براي بخش اصلي تحقيق، از يك معماري پيشرفته‌تر، يعني مبدل بينايي، استفاده گرديد. به منظور افزايش كارايي و بهبود بهره‌وري فرآيند آموزش براي اين كاربرد خاص، يك روش نوين تنظيم دقيق كارآمد ضرايب با نام تطبيق رتبه-پايين پياده‌سازي و بر روي لايه‌هاي مبدل بينايي اعمال شد. نتايج حاصل، برتري قابل توجه مبدل بينايي مجهز به تطبيق دهنده رده پايين را در مقايسه با مدل كانولوشني مرسوم در معيارهاي ارزيابي مختلف نشان مي‌دهد. اين رويكرد قابليت بالاي مبدل ها را براي استفاده به عنوان يك ابزار كمك-تشخيصي كارآمد در محيط‌هاي باليني را اثبات مي‌كند.

: رده بندي چند برچسبي , بيماريهاي شبكيه , يادگيري عميق , مبدل بينايي , طبيق رتبه- پايين , شبكه هاي عصبي كانولوشني