چکیده
مقدمه: استفاده از روشهای مبتنی بر یادگیری ماشین و یادگیری عمیق برای تشخیص بیماریهای شبکیهی چشم فراگیر شده است. در این میان الگوریتمهای یادگیری عمیق به دقت بالایی دست پیدا کردهاند. از طرفی، این الگوریتمها دارای نقطه ضعفهایی در کاربردهای عملی در حوزه پزشکی هستند. پیچیدگی محاسباتی، نیاز به دیتابیس حجیم، نامعلوم بودن جزییات در لایههای شبکه از جمله آنهاست.
روشپژوهش: در این طرح، استفاده از تبدیل پراکندگی موجک برای تشخیص بیماریهای شبکیه پیشنهاد میشود. شبکه مبتنی بر این تبدیل، یک نوع شبکه عصبی پیچشی است که از مزایای شبکه عمیق استفاده میکند و سعی در ارتقا نقاط ضعف آن دارد. در این شبکه، از فیلترهای ویولت استفاده میشود. این الگوریتم، دارای سرعت بالاست و جزییات هر لایه کاملا مشخص است. در این طرح، برای ارزیابی عملکرد این روش و مقایسه آن با روشهای دیگر از چندین دیتابیس شناخته شده استفاده میشود. به این ترتیب، اثر وجود تعداد کلاس زیاد و دیتای محدود، تکنولوژیهای مختلف در تهیه تصاویر چشم و تصاویر با ابعاد مختلف، در نتایج دیده خواهد شد.
یافتهها: با استفاده از روش پیشنهادی به دقت بالایی در تشخیص بیماریهای شبکیه چشم دست یافتیم. نتایج دقت تشخیص با تحقیقات و روشهای دیگر مقایسه شد. این روش در جایگاه روشهای با دقت بالا و سرعت اجرای بالا قرار دارد.
نتیجهگیری: با استفاده از روش مبتنی بر تبدیل پراکندگی موجک، میتوان به دقت و سرعت بالایی در تشخیص بیماریهای شبکیه چشم در مقایسه با روشهای یادگیری عمیق مرسوم رسید.