Περίληψη: | Η αυτόματη τμηματοποίηση των αιμοφόρων αγγείων του αμφιβληστροειδή χιτώνα του ανθρώπινου οφθαλμού είναι αναγκαία αφού οι οφθαλμίατροι μπορούν να διαγνώσουν διάφορες ασθένειες όπως διαβήτη, εγκεφαλικό επεισόδιο, αρτηριοσκλήρυνση και άλλες καρδιαγγειακές παθήσεις. Στη παρούσα εργασία προτείνεται ένα μοντέλο
συνελικτικού αυτόματου κωδικοποιητή που αποτελεί ένα εξιδεικευμένο είδος
συνελικτικού νευρωνικού δικτύου για τη λύση του προβλήματος. Το μοντέλο
αποτελείται από 8 στρώματα και καθένα από αυτά περιέχει συνελικτικά επίπεδα δύο
διαστάσεων, επίπεδα MaxPooling, επίπεδα κανονικοποίησης και όχι μόνο. Μάλιστα
παρουσιάζεται και μια σειρά βημάτων προεπεξεργασίας των εικόνων που
χρησιμοποιούνται ως δεδομένα εισόδου με σκοπό να επεκταθεί το μέγεθος της βάσης
δεδομένων μιας και αρχικά αποτελείται από πολύ λίγες εικόνες. Το μοντέλο
εκπαιδεύτηκε και αξιολογήθηκε πάνω στις DRIVE και STARE βάσεις δεδομένων με
διάρκεια εκμάθησης μόνο 35 λεπτών και με πολύ ανταγωνιστές μετρικές εξόδου για
την αξιολόγηση. Συγκεκριμένα ο συνελικτικός αυτόματος κωδικοποιητής στη βάση
δεδομένων DRIVE υπολογίστηκε AUC_ROC=0.9749, ACCURACY=0.9573 ενώ στη
βάση δεδομένων STARE AUC_ROC=0.9757, ACCURACY=0.9692. Η επιτυχία του
μοντέλου οφείλεται στη μετρική specificity με τιμές 0.9857 και 0.987 αντίστοιχα σε
κάθε βάση όπου και είναι η μέγιστη από όλες τις μεθόδους που έχουν προταθεί στο
παρελθόν. Αυτό απεικονιστικά φαίνεται στις προσπάθειες αυτόματης τμηματοποίησης
των αιμοφόρων αγγείων από τη προτεινόμενη μέθοδο αφού οι εικόνες είναι πιο
ακριβείς, «καθαρές» και χωρίς την παρουσία θορύβου που παρατηρείται στα υπόλοιπα
μοντέλα.
|