Сеть интернет вещей для диагностики пациента на основе данных радужной оболочки глаз

Abstract

Цель статьи — использовать машинное обучение для диагностирования катаракты, диабетической ретинопатии, покраснения по анализу радужной оболочки глаза (РОГ). Данные, используемые в процессе анализа, взяты из набора данных «Идентификация глазных заболеваний». Подход, используемый в статье, основан на модели классификации с использованием машинного обучения. Сначала из изображения РОГ были извлечены признаки, использование алгоритма К-S для обнаружения и выделения пигментных пятен, оптимизация. Затем выполнено машинное обучение сверточной нейронной сети (CNN) на основе этих признаков. Обученная CNN встроена в структуру сети Интернета вещей для ИТ-диагностики пациента по РОГ. В процессе распознавания трех заболеваний точность классификации модели достигла более 80 %.