TY -的A2 Teekaraman Yuvaraja盟——伊丽莎白Jesi诉AU - Mohamed Aslam Shabnam AU -拉姆库玛儿,g . AU - Sabarivani a . AU - Gnanasekar a . k . AU -托马斯,王子PY - 2021 DA - 2021/11/25 TI -精力充沛青光眼分割和分类策略使用深度优化的机器学习策略SP - 5709257六世- 2021 AB -青光眼是一个主要威胁,它影响视神经导致永久失明。青光眼的主要原因是高压的眼睛,家族史,不规则的睡眠习惯,等等。这些原因导致青光眼,和这样的疾病会导致严重损害的影响内部视觉神经系统和受影响的人将会在几个月内永久失明。这种疾病的主要问题是无法治愈的;然而,感情阶段可以降低,相同级别的效果能保持长时间的,不过这可能只是在早期阶段的识别。这青光眼导致结构性影响眼球和估计的原因是复杂的常规诊断。在医学术语,杯盘比(CDR)是青光眼患者突然减少,导致有害的伤害一个人的眼睛严重的方式。识别青光眼的一般方法是将光学相干断层扫描(OCT)测试,它捕捉眼球的发现部分(背后),它是一个有效的方法来可视化与视神经的可见性的不同部分的眼睛显示清楚。10月图像主要是用来识别青光眼等疾病与适当的和健壮的精度水平。在这项工作中,介绍了新方法来识别青光眼在早期阶段,称为深度优化机器学习策略(DOMLS),它适应新的优化逻辑称为改良k - means优化逻辑(MkMOL)提供最好的结果的准确性,该方法保证了准确性水平超过96.2%的至少0.002%的错误率。 This paper focuses on the identification of early stage of Glaucoma and provides an efficient solution to people in case of effect by such disease using OCT images. The exact position pointed out is handled by using Region of Interest- (ROI-) based optical region selection, in which it is easy to point the optical cup (OC) and optical disc (OD). The proposed algorithm of DOMLS proves the accuracy levels in estimation of Glaucoma and the practical proofs are shown in the Result and Discussions section in a clear manner. SN - 1555-4309 UR - https://doi.org/10.1155/2021/5709257 DO - 10.1155/2021/5709257 JF - Contrast Media & Molecular Imaging PB - Hindawi KW - ER -