Данное исследование посвящено раннему выявлению диабетической ретинопатии с использованием мультимодального слияния изображений с оптической когерентной томографической ангиографии (ОКТА) и изображений глазного дна. Оно использует классификатор LightGBM на основе оптимизации Dunnock-Scheduler (DkSO-LightGBM), который повышает точность диагностики и объяснимость. Модель использует нейронную сеть ResNet-101 для извлечения признаков и оптимизирует классификацию с помощью DkSO. Этот подход значительно превосходит традиционные модели, достигая точности 95,53%, чувствительности 94,72% и сбалансированной точности 95,07% в настройке перекрестной проверки k-кратности. Это исследование подчеркивает, как медицинская визуализация с использованием искусственного интеллекта может улучшить раннее выявление заболеваний, снижая риски потери зрения у пациентов с диабетом.

Профессор Кетан Котеча является широко известным исследователем и преподавателем в области глубокого обучения, искусственного интеллекта, компьютерных алгоритмов и машинного обучения, был признан мировым сообществом как один из 2% лучших ученых мира по версии Стэнфордского университета. В настоящее время работает в Международном университете Симбиозис (Symbiosis International University, QS 140) в должности директора и профессора института технологий, является директором центра прикладного искусственного интеллекта Симбиозис (Symbiosis Centre for Applied Artificial Intelligence).