CẢI TIẾN MẠNG HỌC SÂU GOOGLENET HỖ TRỢ PHÂN LOẠI BỆNH CAO HUYẾT ÁP TRÊN ẢNH VÕNG MẠC MẮT

Tóm tắt

Ảnh võng mạc mắt chứa nhiều thông tin hữu ích. Đặc trưng của ảnh võng mạc mắt được rút trích từ các mô hình học cần được cải thiện và tối ưu giúp quá trình phân loại bệnh được chính xác hơn. Khả năng phân loại càng cao thì quá trình chẩn đoán và điều trị bệnh lý càng thuận lợi. Thách thức trong xử lý ảnh võng mạc là trích xuất đặc trưng quan trọng với các tham số đầu phù hợp với hình thái học tương ứng. Trong nghiên cứu này, chúng tôi đề xuất quá trình cải tiến mạng GoogLeNet dựa vào cơ chế hình thái học waveform để phân loại bệnh cao huyết áp trên ảnh võng mạc mắt. Phương pháp đề xuất gồm hai giai đoạn: tiền xử lý tham số đầu vào cho mô hình học với hình thái học waveform, GoogLeNet chiết xuất đặc trưng với sự cải tiến ở số lượng tầng Inception hỗ trợ chiết xuất đặc trưng sâu. Kết quả được thử nghiệm trên tập dữ liệu STARE với độ chính xác 93.25 %. Quá trình so sánh kết quả phân loại được so sánh với một số phương pháp gần đây và cho kết quả khả quan hơn.