DIABETIC RETINOPATHY DETECTION USING META LEARNING AND DEEP LEARNING TECHNIQUES

Abstract

Göz sağlığı dünyasında, diyabetik retinopati, hemen tanınmaz ve tedavi edilmezse görme kaybına neden olabilen yaygın bir durumdur. Bu çalışmada, oküler kusurların teşhisi ve sevki için bir meta öğrenme yığınlama yaklaşımı sunuyoruz. Yaklaşımımız, önceden eğitilmiş evrişimli sinir ağları (CNN'ler) ve istifleme meta-öğrenme tekniklerinin bir kombinasyonunu kullanarak nadir görülen koşulları tespit etmede olağanüstü etkinlik göstermektedir. Bu yeni yaklaşım, geleneksel derin öğrenme yöntemlerine kıyasla gereken süreyi önemli ölçüde azaltırken sonuçların doğruluğunu artırır. Yöntem, veri kıtlığının ele alınmasında ve %93'lük olağanüstü bir doğruluk elde ederek görmeyi tehdit eden hastalıkların erken teşhisini iyileştirmede meta öğrenmeyi yığınlama vaadini gösteriyor. Ek olarak, çözüm, önceden işlenmesi gereken hazır veri eksikliğinden kaynaklanan sorunları yener. Oküler anormallik tespitinde sıklıkla kullanılan diğer derin öğrenme modelleriyle karşılaştırıldığında. Bu bulgular, oküler anomaliler için gelişmiş bir bilgisayar destekli tanı aracı olarak yaklaşımımızın potansiyel etkisinin altını çiziyor ve bu alanda önemli ilerlemelerin önünü açıyor. Bu değerli içgörüler, oküler sağlık için bilgisayar destekli teşhis araçlarında yenilik ve ilerleme sağlayan gelecekteki araştırmalar için sağlam bir temel sağlar.