Abstract
Розглянуто актуальну проблему детектування діабетичної ретинопатії. Для детектування діабетичної ретинопатії запропоновано побудування моделі на основі конкатенації архітектур Xception та NasNetMobile. Розглянуто механізм синтезу вказаних згорткових нейронних мереж. Здійснено обробку зображень методом відсікання чорних рамок, а також підсиленням контрастності зображення. Для подальшої обробки використано набір даних EyePacs. Сформовано 2 класи зображень – зображення з патологією та зображення зі здоровою сітківкою ока. В дослідженні встановлено, що розмір зображень 214 на 214 забезпечує найкращу точність мережі. Незбалансованість даних подолано методом аугментації. Встановлено, що метод оптимізації Adamax та значення параметра learning rate 0,001 забезпечують найкращу точність. Встановлено, що значення параметра регуляризації 50 % є оптимальним для запобігання процесу перенавчання. Отримано високі показники точності на тренувальній (99,23 %) та контрольній (99,12 %) множинах. До значних переваг побудованої моделі необхідно віднести мінімізацію значення функції втрат. В дослідженні на тестовій множині значення вказаного параметра склало 0,013. Розроблено програмний додаток на мові програмування Python. Додаток успішно визначає наявність діабетичної ретинопатії.
Publisher
Ivan Kozhedub Kharkiv National Air Force University KNAFU