Automatisierung der Diagnose von Augenkrankheiten mit Hilfe neuronaler Netze

Das Ziel des Projekts war es, die Anwendung von künstlichen Intelligenz, besonders Deep Learning, in der Augenheilkunde zu erforschen, indem die Leistung von sechs vortrainierten neuronalen Netzen (Googlenet, Resnet50, Alexnet, Vgg19, Inceptionv3 und Inceptionresnetv2) und einem neu erstellten Netz bei der Automatisierung der Diagnose von Augenkrankheiten verglichen wird.

Der erhoffte Nutzen

Der erhoffte Nutzen besteht darin, zu zeigen, dass Deep Learning erfolgreich für die automatisierte Diagnose von Augenkrankheiten eingesetzt werden kann, wodurch die Effizienz und Genauigkeit der Diagnose und der Zugang zu Augengesundheitsdiensten weltweit verbessert werden.

Ergebnisse

Wir konnten zeigen, dass Deep Learning vielversprechende Anwendungen in der Augenheilkunde hat. Wir fanden heraus, dass verschiedene vortrainierte neuronale Netze in der Lage sind, die Diagnose von Augenkrankheiten mit hoher Genauigkeit zu automatisieren. Experimente, die in verschiedenen Umgebungen (Linux, Windows und Azure Cloud) mit rohen und vorverarbeiteten Bildern durchgeführt wurden, ermöglichten ein tieferes Verständnis der Algorithmusleistung unter verschiedenen Bedingungen. Wir vereinheitlichten und erweiterten die verwendeten Datenmengen, kombinierten mehrere kleine Datensätze und wendeten Augmentationstechniken an, um zuverlässigere und verallgemeinerbare Ergebnisse zu erhalten.