Classification and prediction retinal oct images by CNN algorithm

Abstract

DSÖ'ye göre DR, körlük ve görme bozukluğunun önde gelen nedenidir. Karmaşıklığı, sessizliği ve erken başlangıcı nedeniyle bu enfeksiyonu teşhis etmek zordur. DR'nin şiddeti tedaviyi belirler. Tedavi, hastalığın ilerlemesini durdurmayı veya geciktirmeyi amaçlar. Erken DR sadece rutin oftalmolog izlemesi gerektirebilir. DR hastaları doktorun diyetine, kan şekeri kontrolüne ve egzersiz yönergelerine uymalıdır. Bu, hastalığın ilerlemesini yavaşlatabilir. İntravitreal enjeksiyonlar DR'yi azaltabilir veya durdurabilir. Geç evre RD'de, arterler makulaya kan ve sıvı gönderir. Makula ödemi sonuçları. Fotokoagülasyon, kanamayı önlemek için retinayı kapatır. Lazerler kanamayı durdurmak için anormal kan damarlarına zarar verir. Birkaç karakterizasyon yöntemi önceki on veya yirmi yılda ilerlemiştir. Bu çalışma, erken diyabetik retinopati saptama stratejilerini karşılaştırmak için MATLAB'ın CNN'sini kullanır. CNN, popüler bir model yerleşim tekniğidir. CNN'nin ana yapısı, beyin gibi girdi, nöronlar ve depolama katmanlarına sahiptir. Sağlıklı ve diyabetik gözlerin fundus görüntüleri mükemmel aydınlatma koşulları altında alınır, böylece tüm gizli bileşenler tanımlanabilir. Kontrast, korelasyon, enerji, homojenlik, entropi ve standart hata ile birlikte standart sapma, varyans, çarpıklık ve basıklık verileri toplamak için kullanılır. Eleman çıkarıldıktan sonra veriler kaydedilir. Bir gizli katman, 16 veri nöronu ve iki katı veya katı olmayan çıktı, karmaşık bir evrişimli sinir ağı oluşturur. %70 planlama, %15 onay ve %15 test içindir. Bütçenin %15'i testlere ayrılacak. Sadece ağırlık ve yaş dikkate alındığında uygulama hızlı ve doğruydu (%98.93). Diyabetik retinopati %98,24 doğruluk, %98,93 doğruluk ve %99,42 inceleme oranı ile tanımlandı. EAA, sıkı testlerden sonra %98,91 idi

DR is the leading cause of blindness and visual impairment, according to the WHO. Due to its complexity, silence, and early onset, this infection is difficult to diagnose. The severity of DR determines treatment. Treatment aims to stop or delay disease progression. Early DR may merely require routine ophthalmologist monitoring. DR patients must follow a doctor's diet, blood sugar control, and exercise guidelines. This may slow disease progression. Intravitreal injections can reduce or stop DR. In late-stage RD, arteries send blood and fluids to the macula. Macular edema results. Photocoagulation seals the retina to prevent bleeding. Lasers damage abnormal blood vessels to stop bleeding. Several characterization methods have advanced in the previous decade or two. This study uses MATLAB's CNN to compare early diabetic retinopathy detection strategies. CNN is a popular model layout technique. CNN's master structure has input, neurons, and storage layers like the brain. Fundus images of healthy and diabetic eyes are taken under excellent lighting conditions so all hidden components can be identified. Standard deviation, variance, skewness, and kurtosis are used to collect data along with contrast, correlation, energy, homogeneity, entropy, and standard error. After element extraction, data are recorded. One hidden layer, 16 data neurons, and two solid or unsolid outputs make up a sophisticated convolutional neural network. 70% is for planning, 15% for approval, and 15% for testing. 15% of the budget will go toward testing. Execution was quick and accurate (98.93%) when only weight and age were considered. Diabetic retinopathy was identified with 98.24% exactness, 98.93% accuracy, and 99.42% review rate. AUC was 98.91% after rigorous testing