Automated seven-stage diabetic retinopathy grading using optimized deep networks through systematic hyperparameter tuning

Özet

Diyabet, gözde çeşitli patolojik değişikliklere yol açabilen sistemik bir hastalıktır. Yüksek kan şekeri seviyeleri retinal kılcal damarlara zarar vererek görme işlevini bozmaktadır. Diyabetik retinopatinin erken tespiti ve evrelerinin doğru şekilde belirlenmesi, tedavi zamanlamasını doğrudan etkilemekte ve komplikasyon riskini azaltmaktadır. Bu çalışmada, fundus görüntülerini kullanarak diyabetik retinopatinin yedi evresini sınıflandıran derin öğrenme tabanlı bir yaklaşım geliştirilmiştir. Önerilen metodoloji, görüntü kontrastını iyileştirmek için CLAHE ön işleme tekniğini entegre etmiş, ardından veri kümesi çeşitliliğini artırmak amacıyla veri artırma yöntemlerini uygulamıştır. En yüksek başarımı gösteren önceden eğitilmiş mimariyi belirlemek üzere Optuna optimizasyon çerçevesinden yararlanılmış ve NASNetLarge modeli seçilmiştir. Grid Search optimizasyonu ile hiperparametreleri ayarlanan mimari, 5-fold cross-validation sürecinde %98,39 sınıflandırma doğruluğuna ulaşmış ve kararlı bir başarım (%98,50 ± 0,21) sunmuştur. Ayrıca saliency map görselleştirmeleri, modelin mikroanevrizma, kanama ve damar anormallikleri gibi klinik açıdan ilgili patolojik yapılara odaklandığını kanıtlamıştır.

Bu özet, makalenin özgün İngilizce abstract'ından yapay zekâ ile otomatik oluşturulmuştur. Özgün metin için makaleye bakınız.