Розробка підходу до підвищення якості зображень для діагностики діабетичної ретинопатії
DOI:
https://doi.org/10.15587/1729-4061.2025.335570Ключові слова:
діабетична ретинопатія, зображення сітківки, обробка зображень, покращення контрасту, аугментація данихАнотація
Об’єктом дослідження є точність діагностики діабетичної ретинопатії за зображеннями сітківки. У цьому дослідженні розглядаються моделі згорткових нейронних мереж (CNN) для автоматичного виявлення діабетичної ретинопатії (ДР) за зображеннями сітківки. Основна проблема полягає в недостатній ефективності базових моделей CNN при розпізнаванні стадій ДР на медичних зображеннях очного дна. З метою її вирішення було оцінено дві архітектури CNN: базову модель та вдосконалену модель, яка включала сучасні методи попередньої обробки даних, зокрема зміну розміру (256 × 256 і 512 × 512), нормалізацію, а також застосування технік аугментації, таких як повороти, зсуви, дзеркальне відображення та зміна яскравості для підвищення варіативності навчального набору. Вдосконалена модель показала вищу точність (91% проти 88% у базової) та менші втрати як на етапі навчання, так і валідації. Покращення результатів пояснюється підвищеною якістю вхідних даних та більшим різноманіттям тренувального набору, що сприяло кращому узагальненню та зниженню переобучення. Відмінною рисою отриманих результатів є синергія між попередньою обробкою та архітектурою мережі, яка забезпечила значне покращення точності класифікації навіть в умовах обмежених обчислювальних ресурсів. Це свідчить про перспективність подальших досліджень з використанням більших наборів даних і розширених ресурсів. Практична значущість результатів полягає в можливості застосування таких моделей у клінічних системах для раннього та точного виявлення ДР. Моделі були натреновані на приватному наборі високоякісних зображень очного дна з експертною розміткою, подібному за структурою до EyePACS та APTOS, але не доступному публічно з етичних міркувань
Посилання
- Şahin, M. A., Beyca, Ö. F. (2024). Diabetic Retinopathy Diagnosis with Image Processing. 2024 32nd Signal Processing and Communications Applications Conference (SIU), 1–4. https://doi.org/10.1109/siu61531.2024.10601116
- Demin, N. S., Ilyasova, N. Yu., Paringer, R. A. (2023). Automatic Selection of the Optimal Zone for Laser Exposure According to the Fundus Images for Laser Coagulation. Journal of Biomedical Photonics & Engineering, 9 (4), 040308. https://doi.org/10.18287/jbpe23.09.040308
- Cisek, A., Korycinska, K., Pyziak, L., Malicka, M., Wiecek, T., Gruzel, G. et al. (2023). Algorithm-based diagnostic application for diabetic retinopathy detection. arXiv. https://doi.org/10.48550/arxiv.2312.00529
- Saut Parulian, O., Na`am, J. (2024). Advanced Filtering and Enhancement Techniques for Diabetic Retinopathy Image Analysis. Journal Medical Informatics Technology, 69–75. https://doi.org/10.37034/medinftech.v2i3.40
- Mohd Sharif, N. A., Harun, N. H., Yusof, Y. (2024). Image enhancement optimization on bright and dark spots of retinal fundus image. International Journal of Advances in Applied Sciences, 13 (3), 539. https://doi.org/10.11591/ijaas.v13.i3.pp539-545
- Fayyad, M. F., Mustakim. (2024). Application of AlexNet, EfficientNetV2B0, and VGG19 with Explainable AI for Cataract and Glaucoma Image Classification. 2024 International Electronics Symposium (IES), 406–412. https://doi.org/10.1109/ies63037.2024.10665856
- Suresh, G. V., Sri, G. P. N. P., Angidi, K. S., Dheeraj, T. S., Snehitha, G. N. V. (2024). Automated Denoising of Diabetic Retinopathy Images for Enhanced Medical Diagnosis. 2024 3rd International Conference on Applied Artificial Intelligence and Computing (ICAAIC), 1234–1240. https://doi.org/10.1109/icaaic60222.2024.10574928
- Mohd Sharif, N. A., Harun, N. H., Yusof, Y. (2024). Colour Image Enhancement Model of Retinal Fundus Image for Diabetic Retinopathy Recognition. Journal of Information and Communication Technology, 23 (2), 293–334. https://doi.org/10.32890/jict2024.23.2.5
- Toresa, D., Wiza, F., Anggraini, K., Taslim, T., Edriyansyah, Lisnawita, L. (2023). Comparison of Image Enhancement Methods for Diabetic Retinopathy Screening. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 7 (5), 1111–1117. https://doi.org/10.29207/resti.v7i5.5193
- Vishwanath, C. S., Divya, K. L., Vamsika, A., Murali, B. S., Dinesh, B. (2024). Diabetic Retinopathy Classification by Enhanced Image Filtration Techniques Using Deep Learning. 2024 OPJU International Technology Conference (OTCON) on Smart Computing for Innovation and Advancement in Industry 4.0, 1–7. https://doi.org/10.1109/otcon60325.2024.10687473
- Kao, Y.-H., Lin, C.-L. (2024). Enhancing Diabetic Retinopathy Detection Using Pixel Color Amplification and EfficientNetV2: A Novel Approach for Early Disease Identification. Electronics, 13 (11), 2070. https://doi.org/10.3390/electronics13112070
- Surmayanti, Sumijan, Bukhori, S. (2024). Identification of Diabetic Retinopathy Using the Extraction Method on Fundus Images. 2024 12th International Conference on Information and Communication Technology (ICoICT), 333–340. https://doi.org/10.1109/icoict61617.2024.10698276
- Hou, Q., Cao, P., Jia, L., Chen, L., Yang, J., Zaiane, O. R. (2023). Image Quality Assessment Guided Collaborative Learning of Image Enhancement and Classification for Diabetic Retinopathy Grading. IEEE Journal of Biomedical and Health Informatics, 27 (3), 1455–1466. https://doi.org/10.1109/jbhi.2022.3231276
- Deshpande, A. (2023). Diagnosis of Diabetic Retinopathy using Fundus Images and Image Processing Methods. International Journal for Research in Applied Science and Engineering Technology, 11 (5), 3596–3605. https://doi.org/10.22214/ijraset.2023.52296
- Triwijoyo, B. K., Sabarguna, B. S., Budiharto, W., Abdurachman, E. (2020). Deep learning approach for classification of eye diseases based on color fundus images. Diabetes and Fundus OCT, 25–57. https://doi.org/10.1016/b978-0-12-817440-1.00002-4
- Ramya, N., Hemavathi, D. (2022). Diabetic Retinopathy Detection Through Feature Aggregated Generative Adversarial Network. 2022 1st International Conference on Computational Science and Technology (ICCST), 611–614. https://doi.org/10.1109/iccst55948.2022.10040451
- Bhoopal, S., Rao, M., Krishnappa, C. H. (2024). Enhanced diabetic retinopathy detection and classification using fundus images with ResNet50 and CLAHE-GAN. Indonesian Journal of Electrical Engineering and Computer Science, 35 (1), 366. https://doi.org/10.11591/ijeecs.v35.i1.pp366-377
- Banupriya, V., Kalaivani, A. (2022). Improved retinal fundus image quality with hybrid image filter and enhanced contrast limited adaptive histogram equalization. International Journal of Health Sciences, 9234–9246. https://doi.org/10.53730/ijhs.v6ns1.7090
- Bakhshi, A., Hajizadeh, K., Tanhayi, M. R., Jamshidi, R. (2022). Diabetic retinopathy diagnosis using image processing methods. Advances in Obesity, Weight Management & Control, 11 (5), 132–134. https://doi.org/10.15406/aowmc.2022.12.00375
- Mahender, N., Padmaja, S., Shivanadhuni, R., Rao, L. G., Mohmmad, S. (2023). An Enhanced Approach for Detecting and Classifying the Diabetic Retinopathy by Utilizing an Optimized Convolutional Neural Network. 2023 International Conference on Ambient Intelligence, Knowledge Informatics and Industrial Electronics (AIKIIE), 1–6. https://doi.org/10.1109/aikiie60097.2023.10390105
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Saya Sapakova, Nurmaganbet Yesmukhamedov, Askar Sapakov
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
