Read more
L'oeil humain est un organe qui réagit à la lumière et à la pression. De nombreuses maladies, troubles et changements liés à l'âge peuvent affecter les yeux et les structures environnantes. L'une des maladies de l'oeil est le glaucome. Le glaucome est une affection caractérisée par une augmentation de la pression du liquide dans l'oeil. Sans traitement, il peut endommager le nerf optique et entraîner une perte de vision. La détection précoce du glaucome minimise le risque de perte de vision. Le modèle proposé synthétise des images de fond d'oeil contrôlables très réalistes afin d'obtenir une précision dans la détection du glaucome grâce à un modèle d'apprentissage profond.Un réseau accusatoire génératif (GAN) est une technique d'apprentissage automatique non supervisée qui peut être utilisée pour augmenter les ensembles de données et rendre les images collectées indiscernables des données du monde réel. Le Deep Convolutional GAN (DCGAN), une autre variante du GAN, suggère les contraintes architecturales du modèle requises pour développer efficacement des modèles de générateur de haute qualité. L'ensemble de données amélioré, obtenu à partir de l'augmentation des données, et l'ensemble de données original ACRIMA d'images du fond d'oeil sont donnés séparément au modèle de classification CNN pour la détection de la maladie du glaucome.
About the author
Yerrarapu Sravani Devi, tiene 13 trabajos de investigación en revistas y conferencias internacionales y dos patentes indias en su haber. Se formó en ciencia de datos, aprendizaje automático y aprendizaje profundo en simpliLearn, en colaboración con la Universidad de Purdue. Sus intereses de investigación son la ciencia de datos, el aprendizaje automático, la visión por ordenador y el aprendizaje profundo.
