Aria App | LittleOne Edition, η έξυπνη εφαρμογή για τη δημιουργία και αξιολόγηση μοντέλων UNET σε εργασίες κατάτμησης των αγγείων του αμφιβληστροειδούς

Abstract

Η ακριβής κατάτμηση των αγγείων του αμφιβληστροειδούς αποτελεί ζωτικό βήμα για πολλές ιατρικές εφαρμογές, καθώς χρησιμοποιείται ευρέως για την παρακολούθηση της εξέλιξης της υγείας και την αξιολόγηση διαφόρων οφθαλμολογικών ασθενειών. Ωστόσο, η παραδοσιακή χειροκίνητη κατάτμηση των αγγείων από εκπαιδευμένους ειδικούς απαιτεί πολύ χρόνο και είναι μια επαναλαμβανόμενη διαδικασία. Στην προσπάθεια να αυτοματοποιηθεί η διαδικασία αυτή, έχουν προταθεί πολλές προσεγγίσεις τα τελευταία χρόνια. Μία από τις πιο προηγμένες είναι η χρήση νευρωνικών δικτύων και της βαθιάς μάθησης. Στην ακόλουθη διπλωματική εργασία, εμπνευσμένοι από τα κατορθώματα της τεχνητής νοημοσύνης σε απαιτητικά προβλήματα computer vision, ταξινόμησης εικόνων, κ.α., παρουσιάζεται η εφαρμογή Aria App, LittleOne edition η οποία παρέχει ένα φιλικό προς τον χρήστη περιβάλλον, στο οποίο μπορεί να γίνει η προ-επεξεργασία των εικόνων, η δημιουργία, εκπαίδευση και αξιολόγηση ενός δικτύου. Μέσω της εφαρμογής, η αντιμετώπιση της πρόκλησης του εντοπισμού των αιμοφόρων αγγείων, γίνεται μέσω του δικτύου U-Net. Η ιδιαιτερότητα της αρχιτεκτονικής U-Net με το χαρακτηριστικό σχήμα “U”, ευνοεί την προκειμένη εφαρμογή, καθώς σε πρώτο επίπεδο «αναγνωρίζει» τι είναι ένα αγγείο, ενώ σε δεύτερο επίπεδο, «μαθαίνει» να το χαρτογραφεί, εκτελώντας με αυτό το τρόπο μια σημασιολογική κατάτμηση σε μια εικόνα. Για την αξιολόγηση και την εκπαίδευση του δικτύου, χρησιμοποιήθηκε το αποθετήριο εικόνων DRIVE, το οποίο αποτελείται από 40 εικόνες. Τα αποτελέσματα των πειραμάτων μέσω της εφαρμογής με μόλις 2 ώρες συνολικής εκπαίδευσης είναι συγκρίσιμα με σχετικές έρευνες των τελευταίων 5 ετών που εστιάζουν μόνο στην αξιολόγηση του δικτύου U-Net και εμφανίζονται ως εξής:

Acc 0.949 Sens 0.932 Spec 0.951