Diagnozowanie stanu retinopatii cukrzycowej przy pomocy głębokich sieci neuronowych

• Autorzy: Jarzembiński B. , Kwasigroch A. , Grochowski M.

Identyfikatory

DOI

10.32016/1.60.07

Warianty tytułu

EN

Classification of the stage of the disease by deep neural networks

• Konferencja: XXVIII cykl seminarów zorganizowanych przez PTETiS Oddział w Gdańsku ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 2018 (XXVIII; 2018; Gdańsk, Polska)
• Języki publikacji: PL

Abstrakty

PL

W referacie opisano problem wykrywania oraz klasyfikacji stanu retinopatii cukrzycowej ze zdjęć dna oka przy pomocy głębokich sieci neuronowych. Retinopatia cukrzycowa jest chorobą oczu często występującą u osób z cukrzycą. Nieleczona prowadzi do uszkodzenia wzroku, a nawet ślepoty. W pracy badawczej opracowano system wykrywania retinopatii cukrzycowej na podstawie zdjęć dna oka. Opracowana sieć neuronowa przypisuje stan choroby w 5 stopniowej skali – od braku choroby do najbardziej zaawansowanego stanu choroby. Zaproponowano specjalny system kodowania klas w celu uchwycenia wielkości różnicy pomiędzy rzeczywistymi a predykowanymi stanami choroby. Uzyskano wysokie wyniki klasyfikacji na zbiorze testowym. W celu oceny skuteczności działania systemu wykorzystano miary statystyczne takie jak ważona Kappa i dokładność.

EN

In the paper we described computer aided detection system of diabetic retinopathy based on fundus photos of retina. Diabetic retinopathy is an eye disease associated with diabetes. Non-treated diabetic retinopathy leads to sight degeneration and even blindness. Early detection is crucial due to provide effective treatment. Currently, diabetic retinopathy detection is time consuming process, done manualy by medical specialist. The disease is dangerous issue in places where the availability of phisicians is limited. We employed the computer system that detect diabetic retinopathy and assess a stage of the disease based on retinal photo of fundus. We used one of the best image classification system – deep neural networks. Employed system assess the stage of the disease in 5 level scale – from absence of disease to the most severe stage of disease. We employed transfer learning and data augmentation to enhance classification result. Moreover we proposed special class coding system to catch the difference between real and predicted stage of disease. We tested employed system using different statistical measures like accuracy, sensitivity, specificity and Kappa score.

Słowa kluczowe

PL

uczenie głębokie; sieci neuronowe; retinopatia cukrzycowa

EN

deep learning; neural networks; diabetic retinopathy

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2018
• Tom: Nr 60
• Strony: 37--40
• Opis fizyczny: Bibliogr. 3 poz., rys., wykr., tab.

Twórcy

autor

Jarzembiński B.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Kwasigroch A.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Grochowski M.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

Bibliografia

• 1. Y. LeCun, K. Kavukcuoglu, i C. Farabet, „Convolutional networks and applications in vision.”, w ISCAS, 2010, t. 2010, s. 253–256.
• 2. „Diabetic Retinopathy Screening - EyePACS, LLC”. [Online]. Dostępne na: http://www.eyepacs.com/. [Udostępniono: 01-paź-2017].
• 3. K. Simonyan i A. Zisserman, „Very deep convolutional networks for large-scale image recognition”, ArXiv Prepr. ArXiv14091556, 2014.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).