Publication details
Abstracts and keywords
Cukrzyca może prowadzić do wielu poważnych powikłań, w szczególności retinopatii cukrzycowej, która występuje u pacjentów z cukrzycą i może prowadzić do utraty wzroku. W związku z tym opracowanie systemu informatycznego do diagnostyki retinopatii cukrzycowej jest ważnym zadaniem w dziedzinie medycyny. Taki system może znacznie ułatwić proces diagnostyczny i pomóc lekarzom wykryć i leczyć retinopatię cukrzycową na czas. Rozprawa poświęcona jest rozwiązaniu ważnego problemu naukowego i praktycznego, jakim jest zwiększenie wiarygodności rozpoznawania retinopatii cukrzycowej. W wyniku przeprowadzonych badań rozwiązano zadanie zwiększenia dokładności diagnozy chorób dna oka, stosując metody wstępnego przetwarzania obrazów w celu poprawy ich charakterystyki informacyjnej, analizy statystycznej i różnicowania patologii za pomocą systemu wspomagania decyzji, opartego na technologiach sieci neuronowych. Dokonano analizy porównawczej istniejących metod rozpoznawania retinopatii cukrzycowej i innych chorób oczu, z której wynika, że analiza intelektualna i wstępne przetwarzanie otrzymanych obrazów dna oka może znacznie poprawić wyniki diagnostyki, zwłaszcza we wczesnych badaniach przesiewowych, co jest ważne w profilaktyce ciężkich stadiów choroby. Architektura systemu diagnostyki okulistycznej została udoskonalona poprzez dodanie skomputeryzowanego zespołu wspomagania decyzji w celu zwiększenia wiarygodności diagnozy i automatyzacji procesów różnicowania. Utworzono bazę danych funkcji informacyjnych do dalszych prac i różnicowania nozologii, opartych na technologiach sieci neuronowych. Opracowano oprogramowanie do wstępnego przetwarzania badanych obrazów i wyznaczania charakterystyk statystycznych próbek. Model informacyjny systemu wspomagania decyzji w ocenie stanu siatkówki zbudowano z wykorzystaniem wstępnego przetwarzania obrazów, co dało możliwość poprawy parametrów informacyjnych systemu. Określono wskaźniki skuteczności diagnostycznej systemu oraz wybrano algorytm uczenia sieci neuronowej, który w danych warunkach daje najlepszy wynik (dokładność = 87,1%, precyzja = 84,6%, czułość = 91,6%, specyficzność = 84%). Aby ułatwić pracę z systemem, stworzono interfejs GUI, który zapewnia prostotę, niezawodność oraz intuicyjną i zrozumiałą obsługę.
Diabetes can lead to a number of serious complications, in particular, diabetic retinopathy, which occurs in patients with diabetes and can lead to vision loss. In this regard, the development of an information system for the diagnosis of diabetic retinopathy is an important task in the medical field. Such a system can greatly facilitate the diagnostic process and help doctors detect and treat diabetic retinopathy in time. The dissertation is devoted to solving the important scientific and practical problem of increasing the reliability of diagnosing diabetic retinopathy. As a result of the conducted research, the urgent task of increasing the accuracy of diagnosis of fundus diseases was solved by using methods of pre-processing images to improve their informative characteristics, statistical analysis and differentiation of pathologies with the help of a decision support system based on neural network technologies. A comparative analysis of the existing methods of diagnosing diabetic retinopathy and other eye diseases was carried out, according to which it is clear that intellectual analysis and pre-processing of the received images of the fundus can significantly improve the results of diagnostics, especially early screening, which is important for preventing severe stages of the disease. The architecture of the ophthalmic diagnostics system has been improved by adding a computerized decision support unit to increase the reliability of the diagnosis and automate the differentiation processes. A database of informative features was created for further work and differentiation of nosologies based on neural network technologies. A software complex was developed for the pre-processing of the studied images and the calculation of the statistical characteristics of the samples. An information model of the decision-making support system for assessing the condition of the retina was built using pre-processing of images, which provided an opportunity to improve the informative parameters of the system. The indicators of the system's diagnostic efficiency were determined and the learning algorithm of the neural network was chosen, which gives the best result under the given conditions (Accuracy = 87.1%, Precision = 84.6%, Recall = 91.6%, Specificity = 84%). To facilitate working with the system, a GUI interface was created, which provides for simplicity, reliability and intuitive and understandable use.
