מיון רב‑מעמדי של מחלות עין באמצעות למידה עמוקה וטכניקות מיזוג EfficientNetB0

מדוע בדיקות עיניים מוקדמות חשובות

אובדן הראייה לעיתים קרובות מתפתח בשקט. בעיות עין נפוצות כמו קטרקט, גלאוקומה ונזק רטינלי כתוצאה מסוכרת עלולות לגזול ראייה הרבה לפני שהתרשמות קלינית ברורה. ברחבי העולם אין מספיק מומחי עיניים כדי לבדוק את כולם בזמן, במיוחד באזורים כפריים או באוכלוסיות בעלות הכנסה נמוכה. המחקר הזה בוחן כיצד מערכת מחשוב חכמה שקוראת תמונות של החלק האחורי של העין יכולה לסייע לרופאים לזהות מספר מחלות עיקריות מוקדם ובאופן אמין, באמצעות סוג הבינה המלאכותית שמפעילה חיפושי תמונות וזיהוי פנים מודרניים.

לזהות מחלה בתמונה אחת

רופאי עיניים כבר משתמשים בתמונות צבעוניות של הרשתית — השכבה הרגישה לאור בחלק האחורי של העין — כדי לחפש מחלות. בתמונות אלה הקטרקט מתבטא כעכירות במסלול האופטי, גלאוקומה משנה את צורת עצב הראייה, ורטינופתיה סכרתית מפזרת ברשתית נזילות וכתמים זעירים. החוקרים אספו 4,217 תמונות רשתית ברזולוציה גבוהה, מאוזנות בקפידה בין ארבע קבוצות: עיניים תקינות, קטרקט, גלאוקומה ורטינופתיה סכרתית. על‑ידי עבודה עם אוסף מאוזן שנלקח ממספר מקורות ציבוריים, הם הפחיתו את הסיכון שהמחשב ילמד קיצורי דרך הקשורים לבית חולים, למצלמה או לסוג מחלה אחד במקום לסימנים האמיתיים של מחלה.

לתת לשני

ציטוט: Sah, U.K., Chatterjee, J.M. & Sujatha, R. Multi-class eye disease classification using deep learning EfficientNetB0 fusion techniques. Sci Rep 16, 6368 (2026). https://doi.org/10.1038/s41598-026-35357-0

מילות מפתח: מחלות עין, דימות רשתית, למידה עמוקה, גלאוקומה, רטינופתיה סכרתית