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.