كشف القرص البصري، والكأس، والمنطقة المبهمة من صور الشبكية باستخدام U-Net++ مع مشغل EfficientNet
{Nitin Singhal Pranab Samanta Ravi Kamble}
الملخص
إن الكشف الدقيق عن الهياكل الشبكية مثل القرص البصري (OD) والكأس والبقعة المركزية يُعد أمرًا بالغ الأهمية لتحليل أمراض الشبكية المرتبطة بالعمر (AMD) والجلاوكوما وغيرهما من الحالات الشبكية. تعتمد معظم طرق التجزئة على الكشف المنفصل عن هذه الهياكل الشبكية، مما يجعل التحليل المتكامل لتشخيص وفحص العيون بالاعتماد على الحاسوب أمرًا صعبًا. ولحل هذه المشكلة، يُقدّم البحث منهجًا يدمج تحليل القرص البصري والكأس والبقعة المركزية معًا. ويُقدّم البحث طريقة جديدة للكشف عن القرص البصري مع الكأس والبقعة المركزية باستخدام بنية مُعدّلة من نموذج U-Net++ مع استخدام نموذج EfficientNet-B4 كهيكل أساسي (Backbone). وتُستخدم الميزات المستخرجة من EfficientNet عبر روابط التخطي (Skip Connections) في U-Net++ لتحقيق تجزئة دقيقة. تم استخدام مجموعات بيانات من تحديات ADAM وREFUGE لتقييم الأداء. وقد حقق المنهج المقترح معدل نجاح قدره 94.74% و95.73% من قيمة دايسي (Dice Score) في تجزئة القرص البصري على بيانات ADAM وREFUGE على التوالي. أما في كشف البقعة المركزية، فقد تم تحقيق متوسط المسافة أويليدية قدره 26.17 بكسل على مجموعة بيانات ADAM. وحقق المنهج المقترح المركز الأول في مهام الكشف عن القرص البصري وتقطيعه في تحدي ISBI ADAM 2020.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| fovea-detection-on-refuge-challenge | EfficientNet+U-Net++ | Euclidean Distance (ED): 35.18 |
| optic-cup-detection-on-refuge-challenge | EfficientNet+U-Net++ | IoU: 0.8128 |
| optic-cup-segmentation-on-refuge-challenge | EfficientNet+U-Net++ | Dice: 0.8762 |
| optic-disc-detection-on-refuge-challenge | EfficientNet+U-Net++ | IoU: 0.8847 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.