ISSN: 2155-9570
అలావుద్దీన్ భుయాన్, రియో కవాసకి, మారికో ససాకి, ఎకోస్సే లామౌరెక్స్, కోటగిరి రామమోహనరావు, రాబిన్ గైమర్, టియన్ వై వాంగ్ మరియు కనగసింగం యోగేశన్
లక్ష్యం: వయస్సు సంబంధిత మాక్యులార్ డీజెనరేషన్ (AMD) యొక్క ముందస్తు రోగనిర్ధారణ కోసం ప్రామాణిక రంగు రెటీనా చిత్రాల నుండి మాక్యులర్ ప్రాంతంలో డ్రూసెన్ను గుర్తించడం మరియు డ్రూసెన్ పరిమాణాన్ని లెక్కించడం కోసం ఒక పద్ధతిని అభివృద్ధి చేయడం.
పదార్థాలు మరియు పద్ధతులు: జన్యు మరియు ఎపిడెమియాలజీ అధ్యయనం కోసం Canon D60 నాన్-మైడ్రియాటిక్ కెమెరా ద్వారా సంగ్రహించబడిన రంగు రెటీనా చిత్రాలు ఉపయోగించబడ్డాయి. సంభావ్య డ్రూసెన్ ప్రాంతాలను గుర్తించడానికి స్థానిక తీవ్రత పంపిణీ, అనుకూల తీవ్రత థ్రెషోల్డింగ్ మరియు అంచు సమాచారం ఉపయోగించబడ్డాయి. ధ్రువీకరణ కోసం, మేము వివిధ రకాల డ్రూసెన్లతో 50 చిత్రాలను పరిగణించాము. డ్రూసెన్ ఏరియా సెగ్మెంటేషన్ ఖచ్చితత్వం (DAA) కోసం, 12 చిత్రాలు ఎంపిక చేయబడ్డాయి మరియు ఒక నిపుణుడు గ్రేడర్ డ్రూసెన్ ప్రాంతాలను పిక్సెల్ స్థాయిలో గుర్తించాడు. మేము ఆపై ప్రాంతాలను లెక్కించాము మరియు డ్రూసెన్ గుర్తించిన అవుట్పుట్ చిత్రాలను చేతితో లేబుల్ చేయబడిన గ్రౌండ్ ట్రూత్ (GT) చిత్రాలతో పోల్చడం ద్వారా సున్నితత్వం మరియు నిర్దిష్టతను గణించాము.
ఫలితాలు: ప్రతిపాదిత పద్ధతి 100% ఖచ్చితత్వంతో ఏదైనా డ్రూసెన్ ఉనికిని గుర్తించింది (50/50 చిత్రాలు). డ్రూసెన్ గుర్తింపు ఖచ్చితత్వం (పిక్సెల్ స్థాయి) కోసం, సగటు సున్నితత్వం మరియు నిర్దిష్ట విలువలు వరుసగా 74.94% మరియు 81.17%. డ్రూసెన్ సబ్టైప్ల కోసం మేము ఇంటర్మీడియట్ డ్రూసెన్లో 79.59% మరియు సాఫ్ట్ డ్రూసెన్లో 82.14% ఖచ్చితత్వాన్ని సాధించాము, ఇది ప్రారంభ మరియు ఇంటర్మీడియట్ AMD గుర్తింపుకు అత్యంత ముఖ్యమైన ఫలితం.
ముగింపు: ఈ అధ్యయనంలో, మేము డ్రూసెన్ గుర్తింపు మరియు పరిమాణీకరణ కోసం ఒక నవల స్వయంచాలక పద్ధతిని వర్తింపజేసాము, ఇది AMD యొక్క ప్రారంభ దశ మరియు డ్రూసెన్ ప్రాంత మార్పుల యొక్క ప్రారంభ స్క్రీనింగ్లో ఉపయోగించడానికి సిద్ధంగా ఉంది, అంటే AMD పురోగతి. నేత్ర వైద్యంలో టెలిమెడిసిన్ ప్లాట్ఫారమ్లకు ఫండస్ ఇమేజింగ్ని ఉపయోగించి గ్రామీణ ప్రాంతాల నుండి రోగిని ఎంచుకోవడానికి - నిపుణులైన నేత్ర వైద్యుడికి రిఫరీ చేయడానికి కూడా ఈ పద్ధతి చాలా అనుకూలంగా ఉంటుంది.