Rilevamento e Classificazione della Retinopatia Diabetica nelle Immagini del Fondo Oculare Tramite Deep Learning

Il numero di casi di retinopatia diabetica (DR) è in continuo aumento e la diagnosi durante uno screening diabetico su larga scala è importante per prevenire la perdita della vista in una percentuale significativa della popolazione. La diagnosi precoce della malattia e la quantificazione della sua progressione sono fondamentali per prevenire la futura perdita della vista. La diagnosi di DR viene effettuata attraverso l'analisi delle immagini mediche. Dopo il successo del deep learning in altre applicazioni del mondo reale, il deep learning sta fornendo soluzioni con una buona accuratezza anche per l'analisi delle immagini mediche ed è considerato un metodo chiave per le future applicazioni nel settore sanitario. Gli attuali metodi di analisi delle immagini di DR offrono una certa automazione del processo di estrazione delle caratteristiche di DR, ma non sfruttano i vantaggi del deep learning. Il sistema proposto classifica le immagini di DR in cinque stadi: assenza di DR, DR lieve, moderata, grave e proliferativa. I risultati forniscono ai medici, o ai classificatori, le informazioni necessarie per aumentare la velocità di diagnosi, evidenziando le regioni della malattia e suggerendo il livello di gravità della stessa, riducendo tempi, sforzi e costi. Il lavoro presentato mostra quindi i vantaggi dell'implementazione dell'analisi di deep learning al problema della diagnosi di DR, sia per un invio tempestivo che per un supporto alla classificazione.