개선된 고래 최적화 알고리즘과 합성곱 콜모고로프-아놀드 네트워크를 이용한 당뇨망막병증 심각도 탐지

소개: 당뇨망막병증(DR)은 높고 조절되지 않은 혈당 수치로 인해 망막에 영향을 미치는 염증성 상태입니다. 전 세계적으로, 이는 시각 장애의 기여 요인입니다. 여러 심층 학습(DL) 방법이 망막 이미지를 사용하여 DR 심각도를 식별합니다. 그러나 의료 전문가가 초기 단계에서 DR을 인식하는 데 도움이 되려면 상당한 개선이 필요합니다. 방법: 따라서 저자는 망막 이미지를 사용하여 DR 심각도 등급을 결정하는 DL 기술 기반의 방법을 소개했습니다. 비전 트랜스포머(ViT) 주의 메커니즘을 갖춘 ShuffleNet V2 모델을 사용하여 특징을 추출했습니다. 특징 추출 모델을 미세 조정하기 위해 개선된 고래 최적화 방법(IWO)을 사용했습니다. 우리는 추출된 특징을 사용하여 DR 심각도를 분류하기 위해 합성곱 콜모고로프-아놀드 네트워크를 채택했습니다. 제안된 DR 심각도 등급 모델을 훈련하기 위해 EyePACS 데이터 세트를 사용했으며, 다섯 겹 교차 검증 전략을 적용했습니다. Messidor-2 데이터 세트에서 모델을 일반화했습니다. 결과: 결과는 MESSIDOR-2 데이터 세트에서 평균 정확도가 93.84%라는 것을 보여주었으며, 망막 이미지를 사용하여 DR을 감지하는 데 상당한 개선을 보여주었습니다. 논의: 또한, 모델은 결과를 생성하는 데 필요한 최소한의 처리 자원을 요구하여, 제한된 컴퓨팅 자원을 가진 의료 시설에서 제안된 DR 심각도 탐지 모델의 배치를 가능하게 합니다.