Advanced Edge Detection Techniques for Enhanced Diabetic Retinopathy Diagnosis Using Machine Learning

Скорочена інформація про документ
dc.contributor.authorBasarab, M. R.
dc.contributor.authorIvanko, K. O.
dc.date.accessioned2024-11-26T15:08:23Z
dc.date.available2024-11-26T15:08:23Z
dc.date.issued2024
dc.description.abstractDiabetic retinopathy (DR) represents one of the most serious complications associated with diabetes mellitus, posing a significant threat to vision and leading to severe impairment and potential blindness if not diagnosed and treated promptly. The study investigates the integration of advanced edge detection techniques with machine learning algorithms to enhance the precision and effectiveness of DR diagnosis. By leveraging the APTOS 2019 Blindness Detection dataset, the research employs a combination of edge detection methods such as the Sobel operator and the Canny edge detector, alongside advanced preprocessing techniques and sophisticated feature extraction methods. The study reveals that the synergy between these edge detection techniques and machine learning significantly boosts the diagnostic accuracy of neural networks. Specifically, the accuracy for multiclass classification (spanning five categories: No diabetic retinopathy, Mild, Moderate, Severe, and Proliferative diabetic retinopathy) improved from 78.5% to an impressive 88.2%. This marked enhancement underscores the potential of these techniques in refining the diagnostic processes for early DR detection. By improving the accuracy of classification, this approach not only facilitates early intervention but also plays a crucial role in reducing the risk of severe vision loss among patients with diabetes. The findings of this study emphasize the importance of integrating advanced image processing techniques with machine learning frameworks in medical diagnostics. The improved outcomes demonstrated in this research highlight the potential for such technological advancements to contribute meaningfully to the field of ophthalmology, leading to better patient care and potentially transforming the standard of practice in DR diagnosis.
dc.description.abstractotherДiабетична ретинопатiя (ДР) є одним iз найсерйознiших ускладнень, пов’язаних iз цукровим дiабетом, що становить значну загрозу для зору та призводить до серйозних порушень i потенцiйної слiпоти, якщо не дiагностувати та не лiкувати вчасно. Дослiдження висвiтлює iнтеграцiю передових методiв виявлення контурiв з алгоритмами машинного навчання для пiдвищення точностi та ефективностi дiагностики ДР. Використовуючи набiр даних APTOS 2019 Blindness Detection, у дослiдженнi використовується комбiнацiя методiв виявлення контурiв, таких як оператор Sobel i детектор контурiв Canny, а також вдосконаленi методи попередньої обробки та комплекснi методи вилучення ознак. Дослiдження показує, що ефективнiсть цих методiв виявлення контурiв i машинного навчання значно пiдвищує дiагностичну точнiсть нейронних мереж. Зокрема, точнiсть багатокласової класифiкацiї (що охоплює п’ять категорiй: вiдсутнiсть дiабетичної ретинопатiї, легка, помiрна, важка та пролiферативна дiабетична ретинопатiя) покращилася з 78,5% до 88,2%. Це помiтне покращення пiдкреслює потенцiал цих методiв у вдосконаленнi дiагностичних процесiв для раннього виявлення ДР. Пiдвищуючи точнiсть класифiкацiї, цей пiдхiд не тiльки сприяє ранньому втручанню, але й вiдiграє вважливу роль у зниженнi ризику цiлковитої втрати зору серед пацiєнтiв з дiабетом. Результати цього дослiдження пiдкреслюють важливiсть iнтеграцiї передових методiв обробки зображень iз структурами машинного навчання в медичнiй дiагностицi. Покращенi результати, продемонстрованi в цьому дослiдженнi, пiдкреслюють потенцiал таких технологiчних досягнень для значного внеску в офтальмологiю, що призведе до кращого догляду за пацiєнтами та потенцiйно змiнить стандарт практики дiагностики ДР.
dc.format.pagerangeС. 67-75
dc.identifier.citationBasarab, M. R. Advanced Edge Detection Techniques for Enhanced Diabetic Retinopathy Diagnosis Using Machine Learning / Basarab M. R., Ivanko K. O. // Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць. – 2024. – Вип. 97. – С. 67-75. – Бібліогр.: 16 назв.
dc.identifier.doihttps://doi.org/10.20535/RADAP.2024.97.67-75
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70830
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceВісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 97
dc.subjectDiabetic retinopathy
dc.subjectedge detection
dc.subjectmachine learning
dc.subjectSobel operator
dc.subjectCanny edge detector
dc.subjectAPTOS 2019
dc.subjectneural networks
dc.subjectmedical imaging
dc.subjectearly diagnosis
dc.subjectvision impairment
dc.subjectдiабетична ретинопатiя
dc.subjectвиявлення контурiв
dc.subjectмашинне навчання
dc.subjectоператор Собеля
dc.subjectдетектор контурiв Канi
dc.subjectнейроннi мережi
dc.subjectмедична вiзуалiзацiя
dc.subjectрання дiагностика
dc.subjectпорушення зору
dc.subject.udc004.8.67
dc.titleAdvanced Edge Detection Techniques for Enhanced Diabetic Retinopathy Diagnosis Using Machine Learning
dc.title.alternativeРозширенi методи виявлення контурiв для покращеної дiагностики дiабетичної ретинопатiї з використанням машинного навчання
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
67-75.pdf
Розмір:
2.91 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 97