Abstracto

Enfoque de Deep Learning para detectar diabetes mediante imágenes de retina

Muhammad Muzammil

La diabetes puede causar retinopatía diabética, que afecta los vasos sanguíneos de la retina y los ojos. Inicialmente no manifiesta síntomas o causa problemas visuales esporádicos. Cuando se vuelve lo suficientemente grave, afecta a ambos ojos y eventualmente deteriora la visión total o parcialmente. Ocurre principalmente cuando el nivel de azúcar en sangre está fuera de control. Como resultado, la probabilidad de contraer esta enfermedad siempre es alta para alguien con diabetes mellitus. El riesgo de ceguera total y permanente se puede evitar con un diagnóstico temprano. En consecuencia, se necesita un mecanismo de detección confiable. La red convolucional densamente conectada se utiliza en el trabajo actual para examinar un enfoque de aprendizaje profundo para el diagnóstico temprano de la retinopatía diabética. Según los niveles de gravedad, las imágenes del fondo de ojo se clasifican como Sin DR, DR leve, moderada, severa y proliferativa. La detección de retinopatía diabética 2016 y la detección de ceguera aptos 2020, ambas recopiladas de Kaggle, son los conjuntos de datos que se consideran. Las fases incluidas en la técnica propuesta son la recopilación de datos, el preprocesamiento, el aumento y el modelado. El modelo sugerido alcanzó una precisión del 92 %. El modelo de regresión, que también se utilizó, tuvo una tasa de precisión del 75 %. El objetivo principal de este esfuerzo es crear un método confiable para detectar automáticamente las DR.