Cloud Based Low Cost Retinal Detachment Screening Method Using Data Mining Techniques طريقة فحص انفصال الشبكية منخفضة التكلفة القائمة على السحابة باستخدام تقنيات استخراج البيانات Méthode de dépistage du décollement de la rétine basée sur le cloud à faible coût à l'aide de techniques d'exploration de données Método de detección de desprendimiento de retina de bajo costo basado en la nube utilizando técnicas de minería de datos

The Electro-Oculogram (EOG) signal can be used for detecting the normality of the eye retina.A number of advantages including the flexibility of the recoding process for EOG signals have encouraged insight into EOG based research.This study proposes a new cloud based retinal detachment screening technique based on data mining techniques to diagnose the type of eye retina.The used recognition methods include: back propagation neural network, Kohonen neural network and support vector machine.The obtained results are classified as normal or abnormal eye retina.Given a training set of such patterns, the proposed system is trained how to differentiate a new case in the domain.The diagnosis performance of the proposed systems is evaluated using more than one performance measure such as statistical accuracy, specificity and sensitivity.The diagnostic accuracy of the proposed neural network has achieved a remarkable performance with 100% accuracy on training and test subsets.The main advantage of the proposed system is the high quality of the diagnosis process that help health team to take the suitable decision regarding the patient case.The proposed system may help reducing the cost of screening patients especially in rural areas where experts are not available through sending their data to a central site where the automatic system will help an expert to diagnose the suspected cases. يمكن استخدام إشارة مخطط كهربية العين (EOG) للكشف عن الحالة الطبيعية لشبكية العين. وقد شجع عدد من المزايا بما في ذلك مرونة عملية إعادة الترميز لإشارات مخطط كهربية العين على التبصر في البحث القائم على مخطط كهربية العين. تقترح هذه الدراسة تقنية جديدة لفحص انفصال الشبكية تعتمد على السحابة بناءً على تقنيات استخراج البيانات لتشخيص نوع شبكية العين. وتشمل طرق التعرف المستخدمة: الشبكة العصبية للانتشار الخلفي، والشبكة العصبية كوهونين وآلة ناقلات الدعم. وتصنف النتائج التي تم الحصول عليها على أنها عين طبيعية أو غير طبيعية شبكية العين. بالنظر إلى مجموعة تدريبية من هذه الأنماط، يتم تدريب النظام المقترح على كيفية التمييز بين حالة جديدة في المجال. يتم تقييم أداء التشخيص للأنظمة المقترحة باستخدام أكثر من مقياس أداء واحد مثل الدقة الإحصائية والنوعية والحساسية. حققت الدقة التشخيصية للشبكة العصبية المقترحة أداءً رائعًا بدقة 100 ٪ على المجموعات الفرعية للتدريب والاختبار. الميزة الرئيسية للنظام المقترح هي الجودة العالية لعملية التشخيص التي تساعد الفريق الصحي على اتخاذ القرار المناسب بشأن حالة المريض. قد يساعد النظام في تقليل تكلفة فحص المرضى خاصة في المناطق الريفية حيث لا يتوفر الخبراء من خلال إرسال بياناتهم إلى موقع مركزي حيث سيساعد النظام الآلي خبيرًا في تشخيص الحالات المشتبه فيها. Le signal de l'électro-oculogramme (EOG) peut être utilisé pour détecter la normalité de la rétine oculaire.Un certain nombre d'avantages, y compris la flexibilité du processus d'enregistrement des signaux EOG, ont encouragé un aperçu de la recherche basée sur l'EOG.Cette étude propose une nouvelle technique de dépistage du décollement de la rétine basée sur le nuage basée sur des techniques d'exploration de données pour diagnostiquer le type de rétine oculaire.Les méthodes de reconnaissance utilisées comprennent : le réseau neuronal de rétropropagation, le réseau neuronal de Kohonen et la machine à vecteur de support.Les résultats obtenus sont classés comme normaux ou anormaux pour l'œil retina.Given a training set of such patterns, the proposed system is trained how to differentiate a new case in the domain.The diagnosis performance of the proposed systems is evaluated using more than one performance measure such as statistical accuracy, specificity and sensitivity.The diagnostic accuracy of the proposed neural network has achieved a remarkable performance with 100% accuracy on training and test subsets.The main advantage of the proposed system is the high quality of the diagnosis process that help health team to take the appropriate decision regarding the patient case.The proposed système peut aider à réduire le coût du dépistage des patients, en particulier dans les zones rurales où les experts ne sont pas disponibles, en envoyant leurs données à un site central où le système automatique aidera un expert à diagnostiquer les cas suspects. La señal del electrooculograma (EOG) se puede utilizar para detectar la normalidad de la retina del ojo. Una serie de ventajas que incluyen la flexibilidad del proceso de recodificación de las señales de EOG han fomentado la comprensión de la investigación basada en EOG. Este estudio propone una nueva técnica de detección de desprendimiento de retina basada en la nube basada en técnicas de minería de datos para diagnosticar el tipo de retina del ojo. Los métodos de reconocimiento utilizados incluyen: red neuronal de retropropagación, red neuronal de Kohonen y máquina de vectores de soporte. Los resultados obtenidos se clasifican como ojos normales o anormales retina. Dado un conjunto de entrenamiento de tales patrones, el sistema propuesto está entrenado para diferenciar un nuevo caso en el dominio. El rendimiento del diagnóstico de los sistemas propuestos se evalúa utilizando más de una medida de rendimiento, como la precisión estadística, la especificidad y la sensibilidad. La precisión diagnóstica de la red neuronal propuesta ha logrado un rendimiento notable con una precisión del 100% en los subconjuntos de entrenamiento y prueba. La principal ventaja del sistema propuesto es la alta calidad del proceso de diagnóstico que ayuda al equipo de salud a tomar la decisión adecuada con respecto al caso del paciente. La propuesta puede ayudar a reducir el costo de la detección de pacientes, especialmente en áreas rurales donde no hay expertos disponibles, enviando sus datos a un sitio central donde el sistema automático ayudará a un experto a diagnosticar los casos sospechosos.