اعتلال الشبكية السكري (DR) هو من المضاعفات الشائعة لمرض السكري، وهو واحد من الأمراض الرائدة التي تسبب العمى على مستوى العالم. من الصعب الكشف عن DR في المراحل السّريرية المبكرة. يقترح هذا البحث طريقة تشخيص بمساعدة الكمبيوتر تعتمد على الشبكات العصبية التلافيفية لتصنيف شدة DR تلقائيًا بناءً على صور قاع العين. تم استخدام عدة طرق معالجة مسبقة لتحسين جودة الصور المدخلة، كما تم تطبيق عدة تقنيات لتعزيز البيانات من أجل تحسين توازن مجموعة البيانات. يستخدم البحث تقييدًا منتظمًا حساسًا للتكلفة لتوسيع دالة خسارة التصنيف القياسية، حيث يتم فرض عقوبات مختلفة بناءً على درجة الاختلاف بين التقييم المتنبأ به والتقييم الحقيقي. تم إجراء التدريب المسبق على مجموعة بيانات ImageNet لإدخال التعلم بالنقل، واستخدمت طبقة متصلة بالكامل مع دالة تفعيل Softmax لتحسين أداء النموذج. أظهرت النتائج التجريبية على مجموعتين من مجموعات البيانات أن النموذج يحقق تحسنًا بحوالي 5% في درجة كابا المرجحة مرتين، وحوالي 3% في AUC مقارنة بأحدث البحوث الأكاديمية. إن إدخال التقييد المنتظم الحساس للتكلفة في نموذج شبكة EfficientNet يمكن أن يعزز دقة تصنيف اعتلال الشبكية السكري، مقدماً أداء نموذج جيدًا.

اعتلال الشبكية السكري;التعلم العميق;التقييد المنتظم الحساس للتكلفة;الشبكات العصبية التلافيفية;تصنيف الصور