عنوان

تشخیص رتینوپاتی دیابتی با استفاده از الگوریتم‌های یادگیری ماشین

Number

۵۰۰۵پ

.Language of Text, Soundtrack etc

فارسی

Title Proper

تشخیص رتینوپاتی دیابتی با استفاده از الگوریتم‌های یادگیری ماشین

General Material Designation

[پایان نامه]

First Statement of Responsibility

زهرا تازیکه

Name of Publisher, Distributor, etc.

صنعتی سهند

Date of Publication, Distribution, etc.

۱۴۰۰

Specific Material Designation and Extent of Item

۷۹ص.

Other Physical Details

مصور، جدول، نمودار

Accompanying Material

CD

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی برق- مخابرات سیستم

Date of degree

۱۴۰۰/۰۷/۰۱

Text of Note

رتینوپاتی دیابتی(DR) بیماری چشم در بین افراد دیابتی است که باعث آسیب به شبکیه چشم می¬شود و در نهایت ممکن است منجر به نابینایی کامل شود. تشخیص رتینوپاتی دیابتی در مراحل اولیه برای جلوگیری از نابینایی کامل ضروری است. درمان¬های مؤثر برای DR وجود دارد که نیاز به تشخیص زودرس و نظارت مداوم بر بیماران دیابتی دارد. همچنین بسیاری از آزمایشات جسمی مانند تست بینایی، اتساع دانش-آموزان و توموگرافی انسجام نوری می¬توانند برای تشخیص رتینوپاتی دیابتی مورد استفاده قرار گیرند اما وقت¬گیر هستند. توسعه¬ی روز افزون علوم مهندسی و امکان ترکیب آن در علوم پزشکی می¬تواند بیان¬گر این موضوع باشد که سطح سلامت و بهداشت جامعه افزایش پیدا خواهد کرد. در این پژوهش با بررسی بیماری دیابت و این موضوع که درصد زیادی از جامعه با توجه به کاهش فعالیت¬های جسمانی و از طرف دیگر بیماری¬های موروثی امکان مبتلا شدن به این بیماری را دارا می‌باشند، تلاش کردیم تا با استفاده از روش‌های یادگیری ماشین به بررسی تشخیص بیماری رتینوپاتی دیابتی بپردازیم. هدف از این پایان¬نامه تصمیم¬گیری در مورد وجود رتینوپاتی دیابتی با استفاده از الگوریتم¬های طبقه¬بندی یادگیری ماشین در مورد ویژگی¬های استخراج شده از خروجی تصاویر شبکیه¬ی مختلف است. در نهایت تشخیص داده می¬شود که کدامیک از الگوریتم¬ها برای پیش¬بینی بیماری مناسب و دقیق¬تر خواهد بود. تصمیم گیری برای پیش¬بینی حضور رتینوپاتی دیابتی با استفاده از نزدیک¬ترین همسایه، درخت تصمیم، ماشین بردار پشتیبان، آدابوست، شبکه-های عصبی، شبکه¬ی عصبی- استنتاجی فازی و شبکه¬های عصبی کانولوشن انجام می¬شود.

Text of Note

Diabetic retinopathy (DR) is an eye disease in people with diabetes that causes damage to the retina and may eventually lead to complete blindness. Early diagnosis of diabetic retinopathy is essential to prevent complete blindness. There are effective treatments for DR that require early detection and ongoing monitoring of diabetic patients. Also, many physical tests such as vision tests, pupil dilation, and optical coherence tomography can be used to diagnose diabetic retinopathy but they are time consuming. The increasing development of engineering sciences and the possibility of combining it in medical sciences can indicate that the level of health and hygiene of society will increase. In this study, by examining diabetes and the fact that a large percentage of the population due to reduced physical activity in spite of inherited diseases can be affected by this disease, we have tried to study using machine learning methods. Diagnosis of diabetic retinopathy. The aim of this dissertation is to decide on the existence of diabetic retinopathy using machine learning classification algorithms on the features extracted from the output of different retinal images. Finally, it gives us more about which algorithms would be more suitable and accurate for predicting disease. Decisions to predict the presence of diabetic retinopathy are done by using the nearest neighbor, decision tree, support vector machine, adaboost, neural networks, fuzzy-inferential neural network, and convolutional neural networks.

Variant Title

Detection of Diabetic Retinopathy Using Machine Learning Algorithms

یادگیری ماشین

شبکه‌ی عصبی

رتینوپاتی دیابتی

ماشین بردارپشتیبان

Subject Term

یادگیری ماشین، شبکه‌ی عصبی، رتینوپاتی دیابتی، نزدیک‌ترین همسایگی، درخت تصمیم، ماشین بردارپشتیبان

Subject Term

Machine learning, Neural network, Diabetic retinopathy, Nearest neighbor, Decision tree, Support vector machine, Adaboost, Fuzzy-inferential neural network, Convulsive neural networks

تازیکه، زهرا

Entry Element

صداقی

Part of Name Other than Entry Element

، محمدحسین

Relator Code

استاد راهنما

Entry Element

صنعتی سهند

Country

ایران

Agency

دانشگاه صنعتی سهند

Call Number

برق، ۱۰۷۶۶، ۱۴۰۰

p

TF

92029

a

Y