Deep Learning Models and Fusion Classification Technique for Accurate Diagnosis of Retinopathy of Prematurity in Preterm Newborn

Abstract

اعتلال الشبكية الخداجي (ROP) هو السبب الأكثر شيوعًا لعمى الأطفال الذي لا رجعة فيه، ويعتمد تشخيصه وعلاجه على الدرجات الذاتية بناءً على سمات الأوعية الدموية في شبكية العين. ومع ذلك، فإن هذه الطريقة شاقة وعرضة للخطأ، لذا فإن الأساليب الآلية مرغوبة لمزيد من الدقة والإنتاجية. تهدف هذه الدراسة إلى تطوير نهج قائم على التعلم العميق للتشخيص الدقيق لمرض اعتلال الشبكية الخداجي الزائد عند الأطفال الخدج باستخدام نماذج التعلم التحويلية وتقنية تصنيف الاندماج. زودنا مركز الأمل للعيون في العيادة الخاصة في بغداد، العراق، بـ 2776 صورة لقاعدة فحص مرضى اعتلال الشبكية الخداجي بين عامي 2015 و2020، واستخدمنا هذه الصور لتدريب ثلاثة نماذج للشبكات العصبية التلافيفية العميقة (ResNet50 وDensenet161 وEfficientNetB5). تم استخدام نهج مصنف الاندماج لدمج النماذج الثلاثة من أجل تشخيص شامل ودقيق. تتميز النماذج الثلاثة بمعدلات دقة نسبية تبلغ 69.78٪ و80.57٪ و81.29٪ في تصنيفاتها الخاصة. ومع ذلك، زادت الدقة الإجمالية إلى 90.28 في المائة عند استخدام مصنف الاندماج. هذا يدل على أن الطريقة المقترحة مفيدة لتحديد اعتلال الشبكية الخداجي عند الخدج. تشير نتائج الدراسة إلى أن الطريقة المقترحة لديها القدرة على تعزيز الدقة والسرعة التي يتم بها تشخيص اعتلال الشبكية الخداجي بشكل كبير، مما قد يؤدي بدوره إلى الكشف المبكر عن المرض وعلاجه وتقليل احتمالية الإصابة بعمى الأطفال.