DL Based Approach for Assessing the Severity of DR from Retinal Fundus Images

Dieses Kapitel widmet sich dem kritischen Thema der diabetischen Retinopathie (DR), einer Hauptursache für Erblindung, die sich über mehrere Stadien von leichter nicht-proliferativer bis zu proliferativer diabetischer Retinopathie erstreckt. Der Text untersucht den Einsatz von Deep-Learning-Techniken (DL) zur Früherkennung und Schwere der DR anhand von Fundusbildern der Netzhaut und bietet eine vielversprechende Lösung für die effiziente Früherkennung großer Populationen. Es vergleicht die Leistung verschiedener vortrainierter DL-Modelle, einschließlich ResNet50, MobileNet-V2, GoogLeNet und VGG16, bei der Klassifizierung verschiedener Stadien der DRs. Die Studie hebt die überlegene Leistung von ResNet50 und GoogLeNet hervor, die hohe Genauigkeit und F1-Werte erreicht. Darüber hinaus werden in diesem Kapitel die Auswirkungen verschiedener Hyperparameter und Optimierer auf die Modellleistung diskutiert, wobei die Bedeutung der Früherkennung und das Potenzial computergestützter Diagnosewerkzeuge für eine effektive Verwaltung der DR betont wird. Die Ergebnisse unterstreichen die Notwendigkeit weiterer Forschung und Analyse, um die Verallgemeinerbarkeit und Robustheit dieser Modelle im klinischen Umfeld der realen Welt zu verbessern.