Application of deep neural networks for the analysis of optical images of the vascular retina in patients with diabetes mellitus
DOI:
https://doi.org/10.31649/1681-7893-2025-50-2-200-209Keywords:
diabetes mellitus, diabetic retinopathy, retinal imaging, deep neural networks, machine learning, ROC-AUC, correlation analysisAbstract
The paper investigates the application of deep neural networks for the analysis of optical images of the retinal vascular retina in patients with diabetes mellitus in order to improve the accuracy of automated diabetic retinopathy diagnosis. Modern approaches to retinal image processing based on convolutional neural networks are considered, enabling automatic extraction of informative vascular features without manual feature engineering. A comprehensive evaluation methodology is proposed using classification performance metrics such as accuracy, sensitivity, specificity, and the area under the ROC curve (ROC-AUC), accompanied by a detailed ROC analysis with numerical calculations. Additionally, a correlation analysis between model predictions and blood glucose level indicators (HbA1c) is performed to assess the clinical relevance of the obtained results. The findings demonstrate the high diagnostic potential of deep neural networks and confirm their suitability for integration into computer-aided decision support systems in medical diagnostics.
References
Gulshan V., Peng L., Coram M., et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs // JAMA. 2016. Vol. 316, No. 22. P. 2402–2410.
Abràmoff M. D., Lavin P. T., Birch M., Shah N., Folk J. C. Pivotal Trial of an Autonomous AI-Based Diagnostic System for Detection of Diabetic Retinopathy in Primary Care Offices // npj Digital Medicine. 2018. Vol. 1. Article 39.
Ting D. S. W., Cheung C. Y., Lim G., et al. Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations With Diabetes // JAMA. 2017. Vol. 318, No. 22. P. 2211–2223.
Staal J., Abràmoff M. D., Niemeijer M., Viergever M. A., van Ginneken B. Ridge-Based Vessel Segmentation in Color Images of the Retina // IEEE Transactions on Medical Imaging. 2004. Vol. 23, No. 4. P. 501–509.
Hoover A., Kouznetsova V., Goldbaum M. Locating Blood Vessels in Retinal Images by Piecewise Threshold Probing // IEEE Transactions on Medical Imaging. 2000. Vol. 19, No. 3. P. 203–210.
Kaggle EyePACS. Diabetic Retinopathy Detection Dataset.
DRIVE Dataset. Digital Retinal Images for Vessel Extraction.
Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation // Lecture Notes in Computer Science. 2015. Vol. 9351. P. 234–241.
Litjens G., Kooi T., Bejnordi B. E., et al. A Survey on Deep Learning in Medical Image Analysis // Medical Image Analysis. 2017. Vol. 42. P. 60–88.
LeCun Y., Bengio Y., Hinton G. Deep Learning // Nature. 2015. Vol. 521. P. 436–444.
Fawcett T. An Introduction to ROC Analysis // Pattern Recognition Letters. 2006. Vol. 27, No. 8. P. 861–874.
Safari S., Baratloo A., Elfil M., Negida A. Evidence Based Emergency Medicine; Part 5: Receiver Operating Curve and Area Under the Curve // Emergency. 2016. Vol. 4, No. 2. P. 111–113.
The Diabetes Control and Complications Trial Research Group. The Effect of Intensive Treatment of Diabetes on the Development and Progression of Long-Term Complications in Insulin-Dependent Diabetes Mellitus // The New England Journal of Medicine. 1993. Vol. 329. P. 977–986.
UK Prospective Diabetes Study (UKPDS) Group. Intensive Blood-Glucose Control with Sulphonylureas or Insulin Compared with Conventional Treatment and Risk of Complications in Patients with Type 2 Diabetes // The Lancet. 1998. Vol. 352. P. 837–853.
Yau J. W. Y., Rogers S. L., Kawasaki R., et al. Global Prevalence and Major Risk Factors of Diabetic Retinopathy // Diabetes Care. 2012. Vol. 35, No. 3. P. 556–564.
Pavlov S. V. Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July 11, 2017 by CRC Press - 210 Pages.
Wójcik W., Pavlov S., Kalimoldayev M. Information Technology in Medical Diagnostics II. London: (2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages.
Highly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2.
Pavlov Sergii, Avrunin Oleg, Hrushko Oleksandr, and etc. System of three-dimensional human face images formation for plastic and reconstructive medicine // Teaching and subjects on bio-medical engineering Approaches and experiences from the BIOART-project Peter Arras and David Luengo (Eds.), 2021, Corresponding authors, Peter Arras and David Luengo. Printed by Acco cv, Leuven (Belgium). - 22 P. ISBN: 978-94-641-4245-7.
Kanishyna Tetiana, Pavlov Volodymyr, etc. "Study of tissue microcirculation disorders after tooth extraction by photoplethysmography in diabetic patients", Proc. SPIE 12476, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2022, 1247603 (12 December 2022); https://doi.org/10.1117/12.2657895
Nizhynska-Astapenko Zorina, Waldemar Wojcik, Pavlov Volodymyr, etc. "Information medical fuzzy-expert system for the assessment of the diabetic ketoacidosis severity on the base of the blood gases indices", Proc. SPIE 12126, Fifteenth International Conference on Correlation Optics, 1212626 (20 December 2021); https://doi.org/10.1117/12.2616675/
Jinqiung L.. and Pavlov S. ., “Expert bioinformation system for diagnostic forms of acute leukemia based on analysis of biomedical information”, ITKI, vol. 58, no. 3, pp. 84–93, December 2023.
Downloads
-
PDF (Українська)
Downloads: 0
Published
How to Cite
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
