Vícetřídní detekce onemocnění sítnice pomocí hlubokého učení

Abstract

Oční sítnice je vrstva světlocitlivé tkáně v zadní části lidského oka, transformuje dopadající světlo na nervové signály, které jsou zpracovávany zrakovou kůrou pro identifikaci objektů. Poškození této tkáně může vést k vážným zdravotním komplikacím, včetně částečné nebo úplné ztráty zraku. Tato práce se zabývá detekcí a segmentací příznaků diabetické retino patie (tvrdých a měkkých exsudátů, mikroaneurysmat a hemoragií) pomocí konvolučních neuronových sítí a hlubokého učení, konkrétně modelem UNet.

The retina is a layer of photosensitive tissue at the back of the human eye that transforms incoming light into neural signals, which are processed by the visual cortex to identify objects. Damage to this tissue can lead to serious health complications, including partial or complete loss of vision. This work focuses on the detection and segmentation of diabetic retinopathy symptoms (hard and soft exudates, microaneurysms, and hemorrhages) using convolutional neural networks and deep learning, specifically the UNet model.