14326

شبكه‌هاي عصبي عميق براي تشخيص خودكار لايه‌هاي پلكسي‌فرم دروني و بيروني در OCT شبكيه

1401

دكتر رحمان فرنوش

تشخيص لايه‌هاي پلكسي‌فرم دروني و بيروني در اسكن OCT شبكيه از ديدگاه چشم‌پزشكان اهميت بالايي دارد، زيرا اين لايه‌ها نقش كليدي در انتقال اطلاعات مربوط به بينايي ايفا مي‌كنند. تغييرات در اين لايه‌ها مي‌تواند نشانه‌اي از بيماري‌هاي چشمي مانند دژنراسيون ماكولا و رتينوپاتي ديابتي باشد. علاوه بر اين، لايه‌هاي پلكسي‌فرم به‌طور مستقيم با سلول‌هاي عصبي مرتبط هستند و تغييرات در آن‌ها مي‌تواند منجر به آسيب عصبي شود، كه در بيماري‌هايي مانند گلوكوم مشاهده مي‌شود. بررسي دقيق اين لايه‌ها نه‌تنها به تشخيص بهتر بيماري‌ها كمك مي‌كند، بلكه در پايش روند درمان و ارزيابي اثرات درماني نيز مؤثر است. هدف اصلي اين پژوهش، تشخيص خودكار اين دو لايه با استفاده از تكنيك‌هاي يادگيري ماشين و شبكه‌هاي عصبي عميق، بدون نياز به دخالت مستقيم متخصص است. در اين تحقيق، از شبكه عصبي كانولوشنال با معماري موسوم به UNet كه در پردازش و طبقه‌بندي تصاوير بسيار كاربردي و موثر است جهت تشخيص خودكار لايه‌ها استفاده مي‌شود. همچنين، براي افزايش دقت، معماري UNet با استفاده از مدل inceptionv3 به‌عنوان بك‌بون ارتقا داده شده است.

9/18/2024 12:00:00 AM

85298

1403/10/08

Deep Neural Networks for Automatic Detection of Inner and Outer Plexiform Layers in Retinal OCT

يادگيري ماشين , شبكه عصبي كانولوشنال , پردازش تصوير , تصاوير OCT , لايه هاي پلكسيفرم

Machine Learning , Convolutional Neural Networks , OCT Images , Image Processing , , Plexiform layers