I
n
d
on
e
s
ian
Jou
r
n
al
o
f
E
lec
t
r
ica
l
E
n
gin
e
e
r
in
g
a
n
d
Com
p
u
t
e
r
S
c
ience
Vo
l
.
3
7
,
N
o
.
2
,
F
e
b
r
ua
r
y
20
2
5
,
pp.
1
28
4
~
1
29
3
I
S
S
N:
2
502
-
4
7
52
,
DO
I
:
10
.
11591/i
j
e
e
cs
.v
3
7
.
i
2
.
pp
1
28
4
-
1
29
3
1284
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
e
e
cs
.
iaes
c
or
e
.
c
om
D
e
t
e
c
t
io
n
of
d
ia
b
e
t
ic
r
e
t
in
op
at
h
y
an
d
c
la
ssi
f
ic
at
io
n
of
i
t
s st
age
s
b
y
u
si
n
g c
on
v
ol
u
t
io
n
al
n
e
u
r
al
n
e
t
w
or
k
S
ac
h
in
Gau
r
,
Ani
r
u
d
h
K
an
d
wal
,
B
h
as
k
a
r
P
an
d
e
y
D
e
pa
r
tm
e
nt
of
C
o
mput
e
r
S
c
i
e
n
c
e
a
nd
E
ngi
n
e
e
r
in
g, B
.
T
.
K
uma
o
n I
ns
ti
tu
t
e
of
T
e
c
hn
o
l
o
g
y
, D
w
a
r
a
ha
t,
I
ndi
a
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
A
pr
5
,
202
4
R
e
vi
s
e
d
S
e
p
11
,
202
4
A
c
c
e
pt
e
d
S
e
p
30
,
202
4
D
i
ab
e
t
e
s
d
e
t
ec
t
i
o
n
i
s
p
i
v
o
t
al
i
n
d
i
s
e
as
e
m
a
n
ag
emen
t
an
d
c
o
m
p
l
i
c
at
i
o
n
p
re
v
e
n
t
i
o
n
.
T
rad
i
t
i
o
n
a
l
s
c
r
een
i
n
g
me
t
h
o
d
s
,
l
i
k
e
b
l
o
o
d
t
es
t
s
,
are
i
n
v
as
i
v
e
a
n
d
ti
me
-
c
o
n
s
u
m
i
n
g
.
D
ee
p
l
e
arn
i
n
g
h
as
eme
rg
ed
as
a
n
o
n
-
i
n
v
as
i
v
e
an
d
au
t
o
m
at
e
d
al
t
e
rn
at
i
v
e
f
o
r
d
i
ab
e
t
e
s
d
e
t
ec
t
i
o
n
.
Co
n
v
o
l
u
t
i
o
n
al
n
eu
ral
n
e
t
w
o
rk
s
(CN
N
s
)
e
x
cel
i
n
i
m
a
g
e
an
a
l
y
s
i
s
t
as
k
s
,
m
a
k
i
n
g
t
h
em
i
d
e
al
fo
r
t
h
i
s
p
u
rp
o
s
e
.
T
h
i
s
p
ap
e
r
em
p
l
o
y
s
a
CN
N
-
b
as
e
d
me
t
h
o
d
fo
r
d
i
ab
et
e
s
p
re
d
i
c
t
i
o
n
u
s
i
n
g
re
t
i
n
a
l
i
m
ag
e
s
,
u
t
i
l
i
z
i
n
g
t
h
e
D
en
s
eN
e
t
1
6
9
arc
h
i
t
ec
t
u
r
e
f
o
r
f
e
at
u
r
e
e
x
t
rac
t
i
o
n
an
d
d
i
ab
e
t
i
c
r
e
t
i
n
o
p
at
h
y
(
D
R)
p
r
e
d
i
c
t
i
o
n
.
T
h
e
A
PT
O
S
2
0
1
9
b
l
i
n
d
n
e
s
s
d
e
t
ec
t
i
o
n
d
at
as
e
t
fro
m
K
a
g
g
l
e
,
c
o
n
t
ai
n
i
n
g
ar
o
u
n
d
1
3
,
0
0
0
re
t
i
n
al
i
m
a
g
e
s
,
i
s
u
s
e
d
f
o
r
t
ra
i
n
i
n
g
.
Pr
e
-
p
ro
ce
s
s
i
n
g
an
d
n
o
r
m
al
i
zat
i
o
n
p
reced
e
f
e
at
u
r
e
e
x
t
rac
t
i
o
n
,
f
o
l
l
o
w
ed
b
y
t
h
e
p
r
e
d
i
c
t
i
o
n
o
f
t
h
e
D
R
s
t
ag
e
.
T
h
e
mo
d
el
a
i
m
s
t
o
c
l
as
s
i
f
y
r
e
t
i
n
a
l
i
m
ag
e
s
i
n
t
o
f
i
v
e
s
t
ag
e
s
o
f
D
R
(0
t
o
4
),
ra
n
g
i
n
g
fro
m
n
o
D
R
t
o
p
ro
l
i
f
e
rat
i
v
e
D
R.
O
u
r
mo
d
el
a
ch
i
ev
e
d
o
v
e
r
8
2
%
a
cc
u
racy
,
o
u
t
p
e
rf
o
r
m
i
n
g
ad
v
an
ced
al
g
o
r
i
t
h
m
s
.
Mo
d
e
l
ev
al
u
at
i
o
n
i
n
cl
u
d
e
s
a
cc
u
ra
cy
,
p
r
ec
i
s
i
o
n
,
r
ec
a
l
l
,
an
d
F1
s
co
r
e
me
as
u
r
e
s
.
K
e
y
w
o
r
d
s
:
C
l
a
s
s
if
y
r
e
t
i
n
a
l
i
m
a
ge
s
C
o
n
v
o
l
ut
i
o
n
a
l
n
e
ur
a
l
n
e
t
wo
r
k
De
ns
e
Ne
t
169
D
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
F
u
n
dus
p
h
o
to
g
r
a
phy
P
r
o
l
if
e
r
a
t
i
v
e
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
B
Y
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
S
a
c
hi
n
Ga
ur
De
pa
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
n
c
e
a
n
d
E
n
g
i
ne
e
r
i
n
g
,
B
.
T
.
K
u
m
a
o
n
I
n
s
t
i
t
ut
e
o
f
T
e
c
hn
o
l
o
g
y
Dw
a
r
a
h
a
t
,
I
n
d
i
a
E
m
a
i
l
:
e
r
s
ga
ur
1234
@
g
m
a
il
.
c
o
m
1.
I
NT
RODU
C
T
I
ON
D
i
a
b
e
t
e
s
m
e
l
li
t
u
s
i
s
a
c
o
n
d
i
t
i
o
n
wh
e
r
e
t
h
e
b
o
dy
f
a
il
s
t
o
p
r
o
c
e
s
s
s
uga
r
(
g
l
uc
o
s
e
)
,
r
e
s
ul
t
i
n
g
i
n
i
nc
r
e
a
s
e
d
bl
o
o
d
gl
u
c
o
s
e
l
e
v
e
l
s
c
a
ll
e
d
hy
p
e
r
g
l
y
c
e
mi
a
[
1]
.
T
hi
s
i
s
b
e
c
a
u
s
e
t
h
e
b
o
d
y
c
a
n
e
i
t
h
e
r
f
a
il
t
o
pr
o
duc
e
e
n
o
ugh
i
ns
u
li
n
o
r
h
a
ve
a
n
i
ne
f
f
e
c
t
i
v
e
r
e
s
po
ns
e
to
t
h
e
i
ns
u
l
i
n
pr
o
duc
e
d.
Di
a
b
e
t
e
s
i
s
n
o
t
c
ur
a
bl
e
,
b
ut
m
a
n
a
ge
a
bl
e
.
Ho
we
v
e
r
,
i
f
n
o
t
c
o
n
t
r
o
l
l
e
d,
i
t
c
a
n
g
i
ve
r
i
s
e
t
o
s
e
v
e
r
e
c
o
m
p
l
i
c
a
t
i
o
n
s
li
ke
n
e
r
v
e
da
m
a
ge
,
h
e
a
r
t
a
tt
a
c
k,
ki
d
n
e
y
f
a
il
ur
e
,
a
n
d
s
t
r
o
ke
.
F
o
r
i
ns
t
a
n
c
e
,
i
n
2017,
a
b
o
u
t
10
%
o
f
t
h
e
wo
r
l
d’
s
po
pul
a
t
i
o
n
ha
d
d
i
a
b
e
t
e
s
,
w
i
t
h
t
h
e
po
s
s
i
bil
i
t
y
o
f
r
e
a
c
hi
ng
11%
by
2045,
a
c
c
o
r
d
i
n
g
to
[
2]
.
D
i
a
b
e
t
e
s
c
o
m
e
s
i
n
t
w
o
m
a
i
n
t
y
pe
s
:
t
y
pe
-
1
(
T
1D)
a
n
d
t
y
pe
-
2
(
T
2D)
.
T
y
pe
1
us
ua
l
ly
s
h
o
ws
up
i
n
t
e
e
n
s
a
n
d
a
du
l
t
s
,
c
a
us
i
ng
hi
g
h
bl
o
o
d
s
ug
a
r
,
l
o
t
s
o
f
t
hi
r
s
t
,
a
n
d
f
r
e
que
n
t
t
r
i
ps
t
o
t
h
e
b
a
t
h
r
o
o
m
.
T
r
e
a
t
m
e
n
t
us
ua
l
ly
i
nv
o
l
ve
s
i
ns
u
li
n.
On
t
h
e
ot
h
e
r
h
a
n
d,
t
y
pe
2
o
f
t
e
n
hi
t
s
o
l
d
e
r
a
du
l
t
s
a
n
d
c
o
m
e
s
w
i
t
h
e
x
t
r
a
h
e
a
l
t
h
i
s
s
ue
s
li
ke
o
b
e
s
i
t
y
,
hi
g
h
bl
o
o
d
pr
e
s
s
ur
e
,
a
n
d
c
h
o
l
e
s
t
e
r
o
l
pr
o
bl
e
m
s
[
3]
,
[
4]
.
T
2DM
p
o
s
e
s
a
gl
o
b
a
l
h
e
a
l
t
h
c
o
n
c
e
r
n
,
l
e
a
d
i
ng
to
i
n
c
r
e
a
s
e
d
d
i
s
a
bi
li
t
y
l
e
ve
l
s
a
n
d
he
a
l
t
h
c
a
r
e
c
o
s
t
s
.
DN
(
di
a
b
e
t
i
c
n
e
p
h
r
o
pa
t
hy
)
a
n
d
di
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
(
DR
)
,
t
h
e
pr
i
m
a
r
y
c
o
m
p
li
c
a
t
i
o
ns
,
c
a
us
e
i
r
r
e
v
e
r
s
i
b
l
e
bli
nd
n
e
s
s
a
n
d
k
i
d
ne
y
d
i
s
e
a
s
e
s
.
E
a
r
ly
de
t
e
c
t
i
o
n
a
i
d
s
i
n
t
e
r
v
e
n
t
i
o
n
s
f
o
r
f
a
v
o
ur
a
bl
e
o
u
t
c
om
e
s
,
gi
v
e
n
t
h
e
s
i
mi
l
a
r
m
i
c
r
o
v
a
s
c
u
l
a
r
pa
t
h
o
phy
s
io
l
o
g
i
c
a
l
f
a
c
t
o
r
s
i
n
t
h
e
e
y
e
s
a
n
d
k
i
d
n
e
y
s
[
5]
.
Qui
c
k
a
n
d
a
c
c
ur
a
t
e
di
a
b
e
t
e
s
d
i
a
g
n
o
s
i
s
i
s
vi
t
a
l
du
e
to
t
h
e
i
nc
r
e
a
s
i
ng
n
u
m
be
r
o
f
c
a
s
e
s
due
to
i
m
pr
o
v
e
d
l
i
vi
ng
s
t
a
n
d
a
r
ds
.
M
a
c
hi
ne
l
e
a
r
ni
n
g
(
M
L
)
a
i
ds
i
ni
t
i
a
l
d
i
a
be
t
e
s
d
i
a
g
no
s
i
s
b
ut
r
e
l
i
e
s
o
n
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
a
n
d
s
u
i
t
a
bl
e
c
l
a
s
s
i
f
i
e
r
s
.
An
a
ut
o
m
a
t
e
d
DR
d
i
a
g
n
o
s
t
i
c
m
o
de
l
[
6]
us
e
s
c
o
nvo
l
ut
i
o
n
a
l
n
e
ur
a
l
n
e
t
wo
r
ks
(
C
NN
s
)
f
o
r
di
s
e
a
s
e
s
t
a
ge
c
l
a
s
s
if
ica
t
i
o
n
,
l
e
v
e
r
a
g
i
ng
t
h
e
i
r
e
s
t
a
bl
i
s
he
d
s
uc
c
e
s
s
i
n
l
a
r
ge
-
s
c
a
l
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
De
tec
ti
on
o
f
di
abe
ti
c
r
e
ti
nopathy
and
c
las
s
if
icat
io
n
o
f
it
s
s
tages
by
…
(
Sac
hin
Gaur
)
1285
im
a
ge
r
e
c
o
gni
t
i
o
n
.
C
NN
s
c
a
pt
ur
e
tr
a
n
s
l
a
t
i
o
n
-
i
nva
r
i
a
n
t
f
e
a
t
ur
e
s
e
f
f
i
c
i
e
n
t
l
y
,
n
e
c
e
s
s
i
t
a
t
i
n
g
f
e
w
e
r
pa
r
a
m
e
t
e
r
s
c
o
m
pa
r
e
d
to
f
u
l
ly
c
o
nn
e
c
t
e
d
n
e
t
wo
r
ks
,
a
l
i
g
ni
ng
w
i
t
h
r
e
s
e
a
r
c
h
go
a
l
s
.
T
r
a
di
t
i
o
n
a
l
M
L
m
o
de
l
s
s
t
r
u
gg
l
e
w
i
t
h
c
o
m
p
l
e
x
da
t
a
,
whi
l
e
C
NN
s
i
n
de
e
p
l
e
a
r
ni
ng
(
DL
)
e
x
c
e
l
due
t
o
a
dv
a
n
c
e
d
pr
e
-
pr
o
c
e
s
s
i
ng,
c
o
n
vo
l
ut
i
o
n
a
l
f
u
n
c
t
i
o
n
s
,
a
n
d
a
da
pt
a
bil
i
t
y
w
i
t
h
de
e
pe
r
n
e
t
wo
r
ks
[
7]
,
[
8]
.
DL
m
o
de
l
s
o
f
f
e
r
v
a
r
y
i
ng
c
a
pa
c
i
t
i
e
s
i
n
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
a
n
d
i
m
a
ge
c
l
a
s
s
if
i
c
a
t
i
o
n
f
o
r
DR
di
a
g
no
s
i
s
,
b
ut
e
v
a
l
ua
t
i
n
g
a
n
a
ll
-
e
n
c
o
m
pa
s
s
i
ng
DL
m
o
de
l
i
n
a
s
i
n
g
l
e
t
e
s
t
s
e
t
up
l
a
c
k
s
r
e
l
i
a
bil
i
t
y
.
C
o
n
v
o
l
ut
i
o
n
a
l
ne
t
wor
ks
[
9
]
e
x
c
e
l
i
n
l
a
r
ge
-
s
c
a
le
i
m
a
g
e
a
n
d
vi
de
o
r
e
c
o
gni
t
i
o
n
.
An
i
nn
o
v
a
t
i
v
e
vi
s
u
a
l
i
z
a
t
i
o
n
m
e
t
h
o
d
f
o
r
e
l
uc
i
da
t
i
n
g
i
n
t
e
r
m
e
d
i
a
t
e
f
e
a
t
ur
e
l
a
y
e
r
s
a
n
d
c
l
a
s
s
if
i
e
r
o
pe
r
a
t
i
o
n
s
wa
s
i
n
t
r
oduc
e
d
i
n
[
10]
.
T
h
e
a
c
c
e
s
s
i
bil
i
t
y
o
f
va
s
t
publ
i
c
im
a
ge
da
t
a
b
a
s
e
s
li
ke
I
m
a
ge
Ne
t
c
r
e
a
t
e
d
by
[
11]
a
n
d
s
o
phi
s
t
i
c
a
t
e
d
c
o
m
put
i
n
g
s
y
s
t
e
m
s
s
u
c
h
a
s
gr
a
p
hi
c
s
pr
o
c
e
s
s
i
ng
u
ni
t
s
(
GPUs
)
o
r
e
x
t
e
n
s
i
ve
d
i
s
t
r
i
b
ut
e
d
c
l
us
t
e
r
s
de
v
e
l
o
pe
d
b
y
[
12]
h
a
s
e
n
a
bl
e
d
t
h
e
s
e
a
d
va
n
c
e
m
e
n
t
s
.
T
h
e
e
v
o
l
ut
i
o
n
o
f
de
e
p
vi
s
u
a
l
r
e
c
o
gni
t
i
o
n
s
t
r
uc
t
ur
e
s
h
a
s
b
e
e
n
n
o
t
a
bly
s
ha
pe
d
by
t
h
e
I
m
a
ge
Ne
t
l
a
r
ge
-
s
c
a
l
e
vi
s
u
a
l
r
e
c
o
gni
t
i
o
n
c
h
a
ll
e
n
ge
(
I
L
S
VR
C
)
[
13]
.
T
hi
s
c
o
n
t
e
s
t
h
a
s
s
e
r
v
e
d
a
s
a
p
l
a
t
f
o
r
m
to
t
e
s
t
v
a
r
i
o
us
v
e
r
s
i
o
ns
o
f
e
x
t
e
ns
i
ve
i
m
a
ge
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
y
s
t
e
m
s
,
s
pa
nni
ng
f
r
o
m
c
o
m
p
l
e
x
s
h
a
ll
o
w
f
e
a
t
ur
e
e
n
c
o
di
n
g
s
to
de
e
p
C
o
n
v
Ne
t
s
.
T
hi
s
r
e
s
e
a
r
c
h
o
pt
s
f
o
r
C
NN
s
due
to
t
h
e
i
r
s
uc
c
e
s
s
,
c
om
pr
i
s
i
ng
c
o
n
v
o
l
ut
i
o
n
a
l
a
n
d
f
u
ll
y
c
o
nn
e
c
t
e
d
l
a
y
e
r
s
t
a
i
l
o
r
e
d
f
o
r
t
w
o
-
di
m
e
ns
i
o
n
a
l
(
2D
)
i
n
put
a
r
r
a
n
ge
m
e
n
t
s
.
C
NN
s
ut
i
l
i
z
e
l
o
c
a
l
c
o
nne
c
t
i
o
n
s
a
n
d
t
i
e
d
we
i
g
h
t
s
f
o
r
t
r
a
n
s
l
a
t
i
on
-
i
nv
a
r
i
a
n
t
f
e
a
t
ur
e
s
,
o
f
f
e
r
i
n
g
e
a
s
i
e
r
tr
a
i
ni
ng
w
i
t
h
f
e
we
r
pa
r
a
m
e
t
e
r
s
c
o
m
pa
r
e
d
to
f
u
l
ly
c
o
nn
e
c
t
e
d
n
e
t
wo
r
ks
[
14]
.
T
h
e
m
a
i
n
c
o
n
t
r
i
b
ut
i
o
n
o
f
t
hi
s
r
e
s
e
a
r
c
h
pa
pe
r
i
s
s
u
mm
a
r
i
z
e
d
a
s
f
o
l
l
o
ws
,
t
h
e
da
t
a
s
e
t
us
e
d
f
o
r
o
ur
DR
de
t
e
c
t
i
o
n
m
o
de
l
i
s
t
h
e
A
P
T
OS
2019
bl
i
nd
ne
s
s
de
t
e
c
t
i
o
n
[
15]
da
t
a
s
e
t
f
r
o
m
t
h
e
Ka
gg
l
e
p
l
a
t
f
o
r
m
.
W
hi
c
h
c
o
n
t
a
i
ns
a
ppr
o
xi
m
a
t
e
l
y
13,
000
i
m
a
g
e
s
o
f
t
h
e
r
e
t
i
n
a
o
b
t
a
i
ne
d
by
f
u
n
du
s
ph
o
to
gr
a
phy
un
de
r
v
a
r
i
o
us
i
m
a
g
i
ng
c
o
n
d
i
t
i
o
n
s
.
I
n
t
h
e
De
ns
e
Ne
t
169
a
r
c
hi
t
e
c
t
ur
e
,
a
C
NN
m
o
de
l
h
a
s
b
e
e
n
pr
o
p
o
s
e
d
f
o
r
f
e
a
t
ur
e
e
x
t
r
a
c
ti
o
n
a
n
d
pr
e
d
i
c
t
i
o
n
o
f
DR
.
P
r
o
p
o
s
e
d
t
e
c
hni
qu
e
s
a
r
e
a
l
s
o
c
om
pa
r
e
d
w
i
t
h
e
xi
s
t
i
ng
m
o
de
r
n
m
e
t
h
o
do
l
o
gi
e
s
s
uc
h
a
s
C
NN
[
16]
,
e
x
t
r
e
m
e
gr
a
d
i
e
n
t
b
oo
s
t
i
n
g
(
XGB
o
o
s
t
)
[
17]
,
a
n
d
de
e
p
ne
ur
a
l
n
e
t
wo
r
k
(
DN
N)
[
18]
.
T
h
e
o
r
ga
ni
z
a
t
i
o
n
o
f
t
h
e
pa
pe
r
i
s
a
s
f
o
l
l
o
w
s
:
s
e
c
t
i
o
n
1
pr
e
s
e
n
t
s
t
h
e
i
n
t
r
o
duc
t
i
o
n
,
f
o
l
l
o
w
e
d
by
s
e
c
t
i
o
n
2,
whi
c
h
c
o
v
e
r
s
t
h
e
l
i
t
e
r
a
t
ur
e
r
e
vi
e
w.
S
e
c
t
i
o
n
3
out
l
i
ne
s
t
h
e
m
e
t
h
o
do
l
o
g
y
,
whil
e
s
e
c
t
i
o
n
4
e
n
c
o
m
p
a
s
s
e
s
t
h
e
r
e
s
u
l
t
s
a
n
d
d
i
s
c
u
s
s
i
o
n
w
i
t
h
a
c
o
m
pa
r
a
t
i
v
e
a
na
ly
s
i
s
,
l
e
a
d
i
ng
to
t
h
e
c
o
n
c
l
u
s
i
o
n
i
n
s
e
c
t
i
o
n
5.
2.
L
I
T
E
RA
T
UR
E
RE
VI
E
W
DR
i
s
a
s
e
r
i
o
us
c
o
m
p
li
c
a
t
i
o
n
o
f
d
i
a
b
e
t
e
s
t
h
a
t
a
f
f
e
c
t
s
t
h
e
e
y
e
s
,
pot
e
n
t
i
a
ll
y
l
e
a
d
i
ng
t
o
vi
s
i
o
n
im
pa
i
r
m
e
n
t
o
r
e
v
e
n
bli
nd
n
e
s
s
.
I
t
'
s
s
upe
r
i
m
po
r
t
a
n
t
to
de
t
e
c
t
t
h
i
n
g
s
f
a
s
t
b
e
c
a
us
e
c
h
e
c
k
i
ng
t
h
e
m
by
ha
n
d
i
s
n'
t
a
l
wa
y
s
a
c
c
ur
a
t
e
a
n
d
c
a
n
m
a
ke
l
o
t
s
o
f
m
i
s
t
a
ke
s
.
R
e
c
o
gni
z
i
ng
t
h
e
c
r
i
t
i
c
a
l
n
e
e
d
f
o
r
a
n
i
n
t
e
l
l
i
g
e
n
t
s
y
s
t
e
m
t
o
e
nh
a
nc
e
pr
e
d
i
c
t
i
ve
e
f
f
i
c
i
e
nc
y
,
n
u
m
e
r
o
us
r
e
s
e
a
r
c
h
e
r
s
a
n
d
m
e
d
i
c
a
l
pr
o
f
e
s
s
i
o
n
a
l
s
h
a
v
e
t
ur
n
e
d
t
o
m
o
r
e
s
o
phi
s
t
i
c
a
t
e
d
t
e
c
h
ni
que
s
f
o
r
e
x
t
r
a
c
t
i
n
g
f
e
a
t
ur
e
s
a
nd
c
l
a
s
s
i
f
yi
ng
im
a
ge
s
to
de
t
e
c
t
e
a
r
l
y
s
i
g
n
s
o
f
DR
.
T
h
i
s
h
a
s
r
e
s
u
l
t
e
d
i
n
a
pr
o
l
i
f
e
r
a
t
i
o
n
o
f
wo
r
ks
e
m
p
l
o
yi
ng
b
o
t
h
M
L
a
n
d
DL
t
e
c
hni
que
s
.
DL
t
e
c
hni
que
s
,
e
s
pe
c
i
a
ll
y
i
n
f
u
n
du
s
i
m
a
ge
a
n
a
ly
s
i
s
,
s
ur
pa
s
s
M
L
m
e
t
h
o
ds
due
to
t
h
e
i
r
e
f
f
i
c
i
e
n
c
y
in
h
a
n
d
li
ng
e
x
t
e
n
s
i
ve
da
t
a
s
e
t
s
,
m
i
t
i
ga
t
i
n
g
o
v
e
r
f
i
t
t
i
ng,
a
n
d
i
m
pr
o
vi
n
g
pr
e
d
i
c
t
i
o
n
a
c
c
ur
a
c
y
.
A
m
e
c
h
a
ni
z
e
d
D
R
c
l
a
s
s
if
i
c
a
t
i
o
n
f
r
a
m
e
wo
r
k
c
oor
di
n
a
t
i
n
g
pr
e
-
pr
o
c
e
s
s
i
n
g,
i
nc
l
ude
e
x
t
r
a
c
t
i
o
n
,
a
n
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
t
a
ge
s
,
ut
i
li
z
i
ng
pr
o
f
o
un
d
C
NN
a
n
d
d
if
f
e
r
e
n
t
M
L
pr
o
c
e
dur
e
s
.
E
x
c
h
a
n
ge
l
e
a
r
ni
ng
a
n
d
d
i
m
e
ns
i
o
n
a
li
t
y
de
c
r
e
a
s
e
h
e
l
p
hi
g
hli
g
h
t
e
x
t
r
a
c
t
i
o
n
XG
B
o
o
s
t
de
m
o
n
s
t
r
a
t
e
s
s
upe
r
i
o
r
a
c
c
ur
a
c
y
f
o
r
DR
c
l
a
s
s
i
f
i
c
a
t
i
o
n
[
17]
,
f
o
l
l
o
w
i
ng
a
c
o
m
pr
e
h
e
ns
i
ve
c
o
m
pa
r
i
s
o
n
o
f
M
L
m
e
t
h
o
ds
.
T
h
e
a
ut
h
o
r
s
pr
o
p
o
s
e
a
n
a
uto
m
a
t
e
d
DR
de
t
e
c
t
i
o
n
s
y
s
t
e
m
us
i
ng
C
NN
s
t
r
a
i
n
e
d
o
n
M
e
s
s
i
do
r
a
n
d
K
a
gg
l
e
da
t
a
.
13
C
NN
a
r
c
hi
t
e
c
t
ur
e
s
pr
e
-
tr
a
i
n
e
d
o
n
I
m
a
g
e
Ne
t
vi
a
t
r
a
n
s
f
e
r
l
e
a
r
ni
ng
a
r
e
t
e
s
t
e
d
o
n
v
a
r
i
o
us
i
m
a
ge
qua
l
i
t
i
e
s
[
19]
.
A
c
o
m
pr
e
h
e
n
s
i
ve
r
e
vi
e
w
o
f
a
ut
o
m
a
t
e
d
m
i
c
r
o
a
n
e
ur
y
s
m
de
t
e
c
t
i
o
n
f
o
r
t
h
e
e
a
r
l
y
d
i
a
g
n
o
s
i
s
o
f
DR
i
s
pr
e
s
e
n
t
e
d.
T
h
e
a
ut
h
o
r
s
hi
g
hli
g
h
t
t
h
e
s
i
g
ni
f
i
c
a
nc
e
o
f
e
a
r
l
y
DR
de
t
e
c
t
i
o
n
a
n
d
t
h
e
r
o
l
e
o
f
m
i
c
r
o
a
n
e
u
r
y
s
m
s
i
n
d
i
a
g
n
o
s
i
s
.
Va
r
i
o
us
t
e
c
h
ni
que
s
f
o
r
m
i
c
r
o
a
n
e
ur
y
s
m
de
t
e
c
t
i
o
n
,
s
uc
h
a
s
t
h
r
e
s
h
o
l
d
i
ng,
m
o
r
ph
o
l
o
g
i
c
a
l
o
pe
r
a
t
i
o
n
s
,
m
a
c
hi
ne
l
e
a
r
ni
ng,
a
n
d
de
e
p
l
e
a
r
ni
ng,
a
r
e
o
v
e
r
vi
e
we
d.
T
h
e
s
t
ud
y
o
f
f
e
r
s
a
t
h
o
r
o
ugh
e
v
a
l
u
a
t
i
o
n
o
f
m
u
l
t
i
p
l
e
t
e
c
h
ni
que
s
f
o
r
de
t
e
c
t
i
n
g
e
a
r
l
y
s
i
g
n
s
o
f
DR
[
2
0]
.
T
h
e
a
u
t
h
o
r
s
e
v
a
l
ua
t
e
d
Al
e
x
Ne
t
a
s
a
s
u
i
t
a
bl
e
C
NN
a
r
c
hi
t
e
c
t
ur
e
f
o
r
DR
de
t
e
c
t
i
o
n
.
T
h
e
y
pe
r
f
o
r
m
e
d
a
c
o
m
pa
r
a
t
i
v
e
e
x
a
mi
na
t
i
o
n
us
i
ng
v
a
r
i
o
us
C
NN
a
r
c
hi
t
e
c
t
ur
e
s
-
De
ns
e
Ne
t
201,
NA
S
Ne
t
M
o
bi
l
e
,
I
n
c
e
pt
i
o
n
V3,
R
e
s
Ne
t
50,
M
o
bi
l
e
N
e
t
,
a
n
d
M
NA
S
Ne
t
-
o
n
a
da
t
a
s
e
t
c
o
n
t
a
i
ni
ng
23,
513
r
e
t
i
n
a
l
im
a
ge
s
[
21]
.
A
c
o
m
pa
r
i
s
o
n
s
tud
y
a
n
a
ly
z
e
d
m
u
l
t
i
p
l
e
C
NN
a
r
c
hi
t
e
c
t
ur
e
s
(
R
e
s
Ne
t
50,
NA
S
Ne
t
M
o
bi
l
e
,
I
n
c
e
pt
i
o
n
V3,
M
o
bi
l
e
N
e
t
,
De
n
s
e
Ne
t
201,
a
n
d
M
NA
S
Ne
t
)
wi
t
h
a
da
t
a
s
e
t
o
f
23,
5
13
r
e
t
i
n
a
im
a
ge
s
[
22]
.
An
e
x
t
e
ns
i
ve
a
s
s
e
s
s
m
e
n
t
o
f
13
pr
e
-
tr
a
i
ne
d
C
NN
s
wa
s
c
o
n
duc
t
e
d,
u
t
i
li
z
i
ng
t
h
e
M
E
S
S
I
DO
R
a
n
d
K
a
gg
l
e
d
a
t
a
s
e
t
s
to
de
t
e
c
t
DR
[
23
]
.
A
m
e
t
h
o
d
i
m
pr
o
v
e
s
DN
N
p
e
r
f
o
r
m
a
n
c
e
o
n
r
e
t
i
n
a
l
o
p
t
i
c
a
l
c
o
h
e
r
e
n
c
e
to
m
o
gr
a
phy
(
OC
T
)
i
m
a
ge
s
by
r
e
m
o
vi
ng
s
e
l
e
c
t
d
e
e
p
c
o
n
v
o
l
ut
i
o
n
a
l
l
a
y
e
r
s
f
r
o
m
ne
t
wor
ks
l
i
ke
GoogL
e
Ne
t
,
R
e
s
Ne
t
,
a
n
d
De
n
s
e
Ne
t
,
y
i
e
l
d
i
ng
e
nh
a
n
c
e
d
a
c
c
ur
a
c
y
a
n
d
r
e
duc
e
d
c
o
m
put
a
t
i
o
n
a
l
l
o
a
d
[
24]
.
A
m
u
l
t
i
-
b
r
a
nc
h
C
NN
f
o
r
DR
s
c
r
e
e
ni
n
g
a
n
d
s
t
a
g
i
n
g
f
r
o
m
w
i
de
-
f
i
e
ld
o
p
t
i
c
a
l
c
o
h
e
r
e
n
c
e
to
m
o
gr
a
phy
a
n
g
i
o
gr
a
p
hy
(
WF
-
OC
T
A
)
a
c
hi
e
ve
d
95.
6%
a
c
c
ur
a
c
y
i
n
s
c
r
e
e
ni
ng
a
n
d
91.
7%
i
n
s
t
a
g
i
n
g.
T
h
e
i
r
m
o
de
l
,
f
o
c
us
i
ng
o
n
v
e
s
s
e
l
,
l
e
s
i
o
n
,
a
n
d
t
e
x
t
ur
e
a
n
a
l
y
s
i
s
,
o
u
tper
f
o
r
m
s
e
xi
s
t
i
n
g
m
e
t
h
o
ds
i
n
W
F
-
OC
T
A
-
ba
s
e
d
DR
a
s
s
e
s
s
m
e
n
t
[
25
]
.
T
h
e
s
t
ud
y
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
2
,
F
e
b
r
ua
r
y
20
2
5
:
1
28
4
-
1
29
3
1286
i
n
t
r
o
duc
e
s
a
n
e
n
s
e
m
bl
e
o
f
m
u
l
t
i
-
s
t
a
ge
C
NN
s
f
o
r
a
u
to
m
a
t
e
d
DR
g
r
a
d
i
n
g,
c
o
m
bi
n
i
ng
pr
e
-
tr
a
i
n
e
d
C
NN
s
(
I
n
c
e
pt
i
o
nV3,
Xc
e
pt
i
o
n
)
t
o
e
n
h
a
n
c
e
a
c
c
ur
a
c
y
.
T
he
m
u
l
t
i
s
t
a
ge
pa
t
c
h
-
ba
s
e
d
de
e
p
C
NN
(
M
P
DC
N
N
)
a
c
hi
e
ve
d
96.
2%
a
c
c
ur
a
c
y
i
n
f
i
ve
f
o
l
d
c
r
o
s
s
-
v
a
li
da
t
i
o
n
,
de
m
o
n
s
t
r
a
t
i
n
g
e
f
f
e
c
t
i
v
e
n
e
s
s
i
n
a
ut
o
m
a
t
i
n
g
D
R
gr
a
d
i
n
g
[
26]
.
T
h
e
s
t
udy
i
n
t
r
o
duc
e
s
a
n
a
d
v
a
n
c
e
d
a
ut
o
m
a
t
e
d
DR
s
c
r
e
e
ni
ng
s
y
s
t
e
m
us
i
ng
a
pr
e
-
t
r
a
i
n
e
d
C
NN
.
I
t
e
m
p
l
o
ys
a
t
wo
-
s
t
a
ge
t
r
a
n
s
f
e
r
l
e
a
r
ni
ng
a
ppr
o
a
c
h
,
e
nh
a
nc
i
n
g
i
n
i
t
i
a
l
l
a
y
e
r
s
a
n
d
ut
i
li
z
i
ng
pr
i
n
c
i
pa
l
c
o
m
po
ne
n
t
a
n
a
l
y
s
is
(
P
C
A
)
f
o
r
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
.
T
h
e
m
e
t
h
o
d,
wi
t
h
a
gr
a
d
i
e
nt
-
b
oo
s
t
i
n
g
-
ba
s
e
d
c
l
a
s
s
if
i
c
a
t
i
o
n
l
a
y
e
r
,
o
u
t
pe
r
f
o
r
m
s
e
xi
s
t
i
ng
t
e
c
h
ni
que
s
,
de
m
o
ns
t
r
a
t
i
n
g
s
upe
r
i
o
r
a
c
c
ur
a
c
y
a
n
d
r
e
s
i
li
e
n
c
e
[
27]
.
DL
m
o
de
l
s
'
a
da
pt
a
bi
li
t
y
f
o
r
uni
v
e
r
s
a
l
DR
s
c
r
e
e
ni
ng
wa
s
a
s
s
e
s
s
e
d
i
n
[
28]
.
A
s
t
udy
e
x
p
l
o
r
e
d
t
h
e
c
l
i
n
i
c
a
l
v
a
l
ue
o
f
a
de
e
p
l
e
a
r
ni
ng
a
l
go
r
i
t
hm
(
DL
A
)
to
de
t
e
c
t
r
e
f
e
r
a
bl
e
DR
i
n
d
if
f
e
r
e
n
t
s
ub
gr
o
ups
us
i
n
g
I
n
c
e
pt
i
o
n
-
v
3,
R
e
s
Ne
t
101,
a
n
d
De
n
s
e
N
e
t
121
a
r
c
hi
t
e
c
t
ur
e
s
w
i
t
h
b
o
t
h
gl
o
ba
l
a
n
d
l
o
c
a
l
d
a
t
a
s
e
t
s
.
I
n
c
e
pt
i
o
n
-
v3
pe
r
f
o
r
m
e
d
b
e
t
t
e
r
gl
o
b
a
ll
y
,
w
hil
e
De
ns
e
Ne
t
121
e
x
c
e
ll
e
d
l
o
c
a
ll
y
.
M
o
de
l
o
v
e
r
e
s
t
i
m
a
t
i
o
n
c
o
m
pa
r
e
d
t
o
o
ph
th
a
lm
o
l
o
g
i
s
t
s
'
d
i
a
g
n
o
s
e
s
wa
s
n
o
t
e
d,
wi
t
h
t
h
e
l
o
c
a
l
d
a
t
a
s
e
t
o
u
t
pe
r
f
o
r
m
i
ng
f
o
r
e
i
g
n
da
t
a
by
5
–
8%
i
n
K
a
ppa
s
c
o
r
e
s
[
29
]
.
T
h
e
s
ugge
s
t
e
d
DL
A
c
o
m
pr
i
s
e
s
pr
e
pr
o
c
e
s
s
i
n
g,
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
,
a
n
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
t
a
ge
s
.
R
e
t
i
na
l
f
u
n
du
s
i
m
a
ge
s
we
r
e
e
m
p
l
o
y
e
d
f
o
r
tr
a
i
ni
ng
a
n
d
a
s
s
e
s
s
i
ng
t
h
e
pr
o
p
o
s
e
d
m
o
de
l
.
A
s
t
ud
y
wa
s
c
o
n
duc
t
e
d
by
[
30]
to
e
v
a
l
ua
t
e
th
e
pe
r
f
o
r
m
a
n
c
e
o
f
va
r
i
o
us
S
VM
c
l
a
s
s
if
i
e
r
s
in
d
i
s
t
i
n
gu
i
s
hi
ng
d
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
(
DR
)
f
r
o
m
n
o
r
m
a
l
o
c
c
ur
r
e
n
c
e
s
.
T
hi
s
wa
s
a
c
hi
e
ve
d
by
ut
i
li
z
i
ng
d
i
f
f
e
r
e
n
t
s
e
t
s
o
f
c
ha
r
a
c
t
e
r
i
s
t
i
c
s
w
i
t
h
f
e
a
t
ur
e
e
x
tr
a
c
t
i
o
n
us
i
ng
Al
e
xNe
t
a
n
d
R
e
s
Ne
t
101
a
n
d
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
b
a
s
e
d
o
n
A
C
S
(
a
n
t
c
o
l
o
ny
s
y
s
t
e
m
)
.
A
n
a
tt
e
m
pt
to
c
r
e
a
t
e
a
d
e
e
p
-
l
e
a
r
ni
ng
m
o
de
l
to
de
t
e
c
t
DR
u
t
i
l
i
z
i
ng
f
u
n
dus
i
m
a
ge
s
i
s
m
a
de
i
n
[
16]
.
T
h
e
i
r
m
o
de
l
f
o
r
DR
a
c
hi
e
ve
d
92.
71%
a
c
c
ur
a
c
y
,
91.
89%
s
e
n
s
i
t
i
v
i
t
y
,
a
n
d
92.
90%
s
p
e
c
i
f
i
c
i
t
y
,
wa
s
v
a
li
da
t
e
d
a
t
S
I
OV
S
,
a
n
d
wa
s
l
a
b
e
l
e
d
a
s
a
pot
e
n
t
i
a
l
D
R
s
c
r
e
e
ni
ng
too
l
.
T
h
e
pr
o
p
o
s
e
d
C
NN
m
e
t
h
o
d
by
[
31]
e
f
f
i
c
i
e
n
t
l
y
c
a
t
e
go
r
i
z
e
s
DR
s
e
v
e
r
i
t
y
i
n
r
e
t
i
na
l
i
m
a
ge
s
b
ut
n
e
e
ds
r
e
f
i
ne
m
e
n
t
f
o
r
i
m
pr
o
v
e
d
a
c
c
ur
a
c
y
a
n
d
r
e
duc
e
d
o
v
e
r
f
i
t
t
i
n
g
due
to
t
r
a
i
ni
ng
-
v
a
li
da
t
i
o
n
d
i
s
p
a
r
i
t
i
e
s
.
DL
m
o
de
l
s
o
ut
pe
r
f
o
r
m
t
r
a
di
t
i
o
n
a
l
o
n
e
s
i
n
DR
a
n
a
ly
s
i
s
,
l
e
v
e
r
a
g
i
ng
a
de
e
pe
r
a
r
c
hi
t
e
c
t
ur
e
.
De
n
s
e
Ne
t
,
c
o
n
t
r
a
s
t
i
n
g
w
i
t
h
C
o
nv
Ne
t
s
,
f
o
s
t
e
r
s
a
m
o
r
e
c
o
n
n
e
c
t
e
d
n
e
t
w
o
r
k
by
s
h
a
r
i
ng
f
e
a
t
ur
e
m
a
ps
a
c
r
o
s
s
l
a
y
e
r
s
t
h
r
o
ugh
c
o
n
c
a
t
e
n
a
t
i
o
n
.
T
r
a
n
s
f
e
r
l
e
a
r
ni
ng
w
i
t
h
De
ns
e
Ne
t
f
r
o
m
I
m
a
ge
Ne
t
i
ni
t
i
a
l
i
z
e
s
t
h
e
n
e
t
wo
r
k
f
o
r
i
m
pr
o
v
e
d
pe
r
f
o
r
m
a
n
c
e
o
n
t
a
r
ge
t
da
t
a
s
e
t
s
,
e
s
pe
c
i
a
ll
y
t
h
o
s
e
w
i
t
h
s
im
il
a
r
vi
s
u
a
l
c
ha
r
a
c
t
e
r
i
s
t
i
c
s
.
T
hi
s
e
nh
a
n
c
e
s
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
,
e
n
a
bli
ng
m
o
de
l
s
t
o
un
de
r
s
t
a
n
d
n
ua
n
c
e
d
de
t
a
i
l
s
a
n
d
t
e
x
t
ur
e
s
wi
t
hi
n
i
m
a
ge
s
l
e
a
r
ne
d
f
r
o
m
I
m
a
ge
Ne
t
's
d
i
v
e
r
s
e
o
bj
e
c
t
c
a
t
e
g
o
r
i
e
s
.
3.
M
E
T
HO
D
T
r
a
di
t
i
o
n
a
l
m
e
t
h
o
ds
f
o
r
DR
de
t
e
c
t
i
o
n
o
f
t
e
n
r
e
ly
o
n
m
a
n
ua
ll
y
e
n
g
i
ne
e
r
e
d
f
e
a
t
ur
e
s
a
n
d
r
u
l
e
-
b
a
s
e
d
s
y
s
t
e
m
s
.
Ho
we
v
e
r
,
t
h
e
s
e
a
ppr
o
a
c
h
e
s
m
a
y
s
t
r
ugg
l
e
to
c
a
p
t
ur
e
t
h
e
c
o
m
p
l
e
x
pa
tt
e
r
n
s
a
n
d
v
a
r
i
a
t
i
o
ns
pr
e
s
e
n
t
i
n
r
e
t
i
n
a
l
im
a
g
e
s
.
A
dd
i
t
i
o
n
a
ll
y
,
t
h
e
y
h
e
a
vil
y
de
pe
n
d
o
n
t
h
e
e
x
pe
r
t
kn
o
wl
e
dg
e
o
f
o
ph
t
h
a
l
m
o
l
o
g
i
s
t
s
a
n
d
mi
g
h
t
n
ot
s
c
a
l
e
we
ll
w
i
t
h
l
a
r
ge
da
t
a
s
e
t
s
due
to
t
h
e
i
r
l
im
i
t
e
d
a
bil
i
t
y
t
o
h
a
n
d
l
e
d
i
ve
r
s
e
da
t
a
.
I
n
c
o
n
t
r
a
s
t
,
DL
m
e
t
h
o
ds
,
s
uc
h
a
s
C
NN
s
l
i
ke
De
ns
e
Ne
t
169,
o
f
f
e
r
a
m
o
r
e
da
t
a
-
dr
i
v
e
n
a
ppr
o
a
c
h
.
T
h
e
y
l
e
a
r
n
hi
e
r
a
r
c
hi
c
a
l
r
e
pr
e
s
e
n
t
a
t
i
o
n
s
f
r
o
m
r
a
w
da
t
a
,
a
uto
m
a
t
i
c
a
ll
y
e
x
t
r
a
c
t
i
n
g
r
e
l
e
v
a
n
t
f
e
a
t
ur
e
s
f
r
o
m
i
m
a
ge
s
.
T
hi
s
a
l
l
o
w
s
t
h
e
m
to
e
f
f
e
c
t
i
ve
l
y
c
a
pt
u
r
e
i
n
t
r
i
c
a
t
e
pa
tt
e
r
n
s
a
n
d
v
a
r
i
a
t
i
o
n
s
pr
e
s
e
n
t
i
n
r
e
t
i
n
a
l
im
a
ge
s
,
i
m
pr
o
vi
n
g
t
h
e
i
r
pe
r
f
o
r
m
a
n
c
e
o
n
c
o
m
p
l
e
x
t
a
s
ks
li
ke
DR
de
t
e
c
t
i
o
n
.
T
h
e
pr
o
p
o
s
e
d
m
e
t
h
o
do
l
o
gy
b
e
g
i
ns
w
i
t
h
da
t
a
c
o
l
lec
t
i
o
n
,
a
s
s
e
m
b
li
ng
a
da
t
a
s
e
t
o
f
r
e
t
i
n
a
l
i
m
a
ge
s
f
o
r
DR
d
i
a
g
n
o
s
i
s
.
O
n
c
e
o
b
t
a
i
n
e
d,
t
h
e
i
m
a
ge
s
u
n
de
r
go
pr
e
pr
o
c
e
s
s
i
n
g,
w
hi
c
h
i
nv
o
l
ve
s
r
e
s
i
z
i
ng
t
h
e
m
t
o
a
unif
o
r
m
s
i
z
e
(
224
×
224
p
i
x
e
l
s
)
,
n
o
r
m
a
l
i
z
i
ng
p
i
x
e
l
v
a
l
ue
s
,
a
n
d
pot
e
n
t
i
a
l
ly
a
ug
m
e
n
t
i
n
g
t
h
e
da
t
a
to
i
n
c
r
e
a
s
e
i
t
s
d
i
v
e
r
s
i
t
y
.
A
pr
e
-
tr
a
i
ne
d
m
o
de
l
l
i
ke
De
n
s
e
N
e
t
169
s
e
r
v
e
s
a
s
th
e
f
o
un
da
t
i
o
n
f
o
r
tr
a
n
s
f
e
r
l
e
a
r
ni
ng.
T
h
e
m
o
de
l
a
r
c
hi
t
e
c
t
ur
e
c
a
n
be
c
us
to
m
i
z
e
d
by
a
dd
i
ng
o
r
m
o
di
f
yi
ng
l
a
ye
r
s
a
s
n
e
e
de
d
b
e
f
o
r
e
c
o
m
p
i
l
i
ng
i
t
wi
t
h
a
ppr
o
pr
i
a
t
e
l
o
s
s
f
u
n
c
t
i
o
n
s
,
o
p
t
i
mi
z
e
r
s
,
a
n
d
e
v
a
l
ua
t
i
o
n
m
e
t
r
i
c
s
.
T
h
e
da
t
a
s
e
t
un
de
r
go
e
s
di
vi
s
i
o
n
i
n
t
o
t
r
a
i
ni
n
g
a
n
d
va
l
i
da
t
i
o
n
s
e
t
s
.
T
h
e
m
o
de
l
u
n
de
r
go
e
s
tr
a
i
ni
n
g
us
i
ng
t
h
e
t
r
a
i
ni
ng
da
t
a
s
e
t
,
wi
t
h
pa
r
a
m
e
t
e
r
s
s
e
t
f
o
r
a
de
f
i
ne
d
nu
m
b
e
r
o
f
e
po
c
h
s
.
Dur
i
n
g
t
r
a
i
ni
ng,
c
a
l
l
ba
c
ks
a
r
e
a
pp
l
i
e
d
f
o
r
f
u
n
c
t
i
o
n
a
li
t
i
e
s
l
i
k
e
e
a
r
l
y
s
t
o
ppi
n
g
a
n
d
l
e
a
r
ni
ng
r
a
t
e
a
d
j
u
s
t
m
e
n
t
,
a
n
d
c
l
a
s
s
we
i
g
h
t
s
a
r
e
u
t
i
li
z
e
d
to
h
a
n
d
l
e
c
l
a
s
s
i
m
ba
l
a
n
c
e
s
.
T
h
e
m
o
de
l
's
pe
r
f
o
r
m
a
nc
e
i
s
e
v
a
l
ua
t
e
d
us
i
n
g
t
h
e
v
a
li
da
t
i
o
n
da
t
a
s
e
t
,
c
a
l
c
u
l
a
t
i
n
g
v
a
r
i
o
us
m
e
t
r
i
c
s
.
F
i
t
t
h
e
m
o
de
l
to
t
h
e
tr
a
i
ni
ng
da
t
a
whi
l
e
a
d
j
u
s
t
i
n
g
t
h
e
n
e
t
wo
r
k'
s
we
i
g
h
t
s
to
m
i
n
im
i
z
e
t
h
e
l
o
s
s
b
e
t
we
e
n
pr
e
d
i
c
t
e
d
a
n
d
t
r
ue
l
a
b
e
l
s
.
E
m
p
l
o
yi
ng
t
e
c
hni
que
s
li
ke
l
e
a
r
ni
ng
r
a
t
e
r
e
duc
t
i
o
n
a
n
d
e
a
r
l
y
s
t
o
ppi
n
g
o
p
t
i
mi
z
e
s
t
h
e
m
o
de
l
's
pe
r
f
o
r
m
a
n
c
e
.
I
n
F
i
gur
e
1,
t
h
e
f
l
o
w
c
h
a
r
t
o
f
t
h
e
p
r
o
p
o
s
e
d
w
o
r
k
s
h
o
ws
t
h
e
s
t
e
ps
i
nv
o
l
v
e
d
i
n
t
hi
s
m
e
t
h
o
do
l
o
g
y
.
T
h
e
im
a
ge
da
t
a
s
e
t
o
f
r
e
t
i
n
a
’
s
i
s
us
e
d
f
r
o
m
A
P
T
OS
2019
bl
i
nd
n
e
s
s
de
t
e
c
t
i
o
n
i
n
K
a
gg
l
e
.
T
h
e
y
pr
o
vi
de
d
a
h
uge
da
t
a
s
e
t
o
f
r
e
t
i
n
a
i
m
a
ge
s
t
h
a
t
a
r
e
a
c
qui
r
e
d
us
i
n
g
f
u
n
dus
p
h
oto
gr
a
phy
a
n
d
pr
o
vi
de
d
a
s
e
ve
r
i
t
y
l
e
v
e
l
o
f
0
–
4
wi
t
h
e
a
c
h
i
m
a
ge
by
a
c
li
ni
c
i
a
n
.
T
h
e
i
m
a
ge
s
a
r
e
pr
e
pr
o
c
e
s
s
e
d
f
o
r
n
o
r
m
a
li
z
a
t
i
o
n
a
n
d
r
e
s
i
z
i
ng,
a
n
d
o
n
e
h
o
t
e
n
c
o
d
i
n
g
i
s
a
pp
li
e
d
f
o
r
b
e
t
t
e
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
.
De
n
s
e
Ne
t
169
a
r
c
hi
t
e
c
t
ur
e
,
a
C
NN
m
o
de
l
us
e
d
f
o
r
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
a
n
d
pr
e
d
i
c
t
i
o
n
o
f
d
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
.
De
n
s
e
Ne
t
169
i
s
a
C
NN
de
s
i
g
n
t
h
a
t
a
de
p
t
l
y
c
a
pt
ur
e
s
i
m
a
ge
f
e
a
t
ur
e
s
t
h
r
o
ugh
de
n
s
e
c
o
n
n
e
c
t
i
o
n
s
a
m
o
n
g
i
t
s
l
a
y
e
r
s
.
E
v
e
r
y
l
a
y
e
r
r
e
c
e
i
v
e
s
f
e
a
t
ur
e
m
a
ps
f
r
o
m
a
l
l
pr
e
vi
o
u
s
l
a
y
e
r
s
,
f
o
s
t
e
r
i
n
g
a
de
e
p
n
e
t
wo
r
k
wi
t
h
r
e
duc
e
d
pa
r
a
m
e
t
e
r
s
.
T
hi
s
d
e
n
s
e
c
o
nn
e
c
t
i
vi
t
y
e
n
a
bl
e
s
t
h
e
n
e
t
wor
k
to
c
a
pt
ur
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
De
tec
ti
on
o
f
di
abe
ti
c
r
e
ti
nopathy
and
c
las
s
if
icat
io
n
o
f
it
s
s
tages
by
…
(
Sac
hin
Gaur
)
1287
c
o
m
p
l
e
x
pa
t
t
e
r
n
s
a
n
d
v
a
r
i
a
t
i
o
n
s
i
n
r
e
t
i
na
l
im
a
ge
s
,
f
a
c
il
i
t
a
t
i
n
g
be
tt
e
r
DR
de
t
e
c
t
i
o
n
.
T
h
e
gr
o
w
t
h
r
a
t
e
,
de
n
ot
e
d
a
s
'
k
'
,
r
e
pr
e
s
e
n
t
s
t
h
e
i
nc
r
e
m
e
n
t
a
l
c
o
un
t
o
f
c
h
a
nne
l
s
i
n
e
a
c
h
l
a
y
e
r
.
T
hi
s
c
h
a
r
a
c
t
e
r
i
s
t
i
c
r
e
s
u
l
t
s
i
n
im
pr
o
v
e
d
c
o
m
put
a
t
i
o
n
a
l
a
n
d
m
e
m
o
r
y
e
f
f
i
c
i
e
nc
y
i
n
e
a
c
h
c
o
m
po
s
i
t
i
o
n
a
l
l
a
y
e
r
.
T
h
e
s
e
que
n
c
e
i
nv
o
l
ve
s
pr
e
-
a
c
t
i
v
a
t
i
o
n
b
a
t
c
h
n
o
r
m
a
l
i
z
a
t
i
o
n
(
B
N)
a
n
d
r
e
c
t
i
f
i
e
d
li
ne
a
r
uni
t
(
R
e
L
U)
,
f
o
l
l
o
we
d
by
a
3
×
3
c
o
nv
o
l
ut
i
o
n
,
ge
n
e
r
a
t
i
ng
o
u
t
pu
t
f
e
a
t
ur
e
m
a
p
s
e
nl
a
r
ge
d
by
'
k
'
c
h
a
nne
l
s
.
T
h
e
e
f
f
i
c
i
e
n
c
y
o
f
De
n
s
e
Ne
t
hi
g
hl
i
g
h
t
s
i
t
s
a
bil
i
t
y
t
o
s
tr
e
a
m
l
i
ne
t
h
e
n
e
t
wo
r
k
by
r
e
duc
i
ng
t
h
e
n
e
e
d
f
o
r
n
u
m
e
r
o
us
c
h
a
nn
e
l
s
.
T
hi
s
e
f
f
i
c
i
e
n
c
y
i
s
a
t
t
r
i
b
ut
e
d
to
t
h
e
gr
o
w
t
h
r
a
t
e
pa
r
a
m
e
t
e
r
,
'
k'
,
whi
c
h
de
t
e
r
mi
ne
s
t
h
e
a
dd
i
t
i
o
n
a
l
c
h
a
nn
e
l
s
r
e
c
e
i
ve
d
by
e
a
c
h
l
a
y
e
r
s
h
o
wn
i
n
F
i
gur
e
2.
B
y
l
e
v
e
r
a
g
i
ng
t
hi
s
a
r
c
hi
t
e
c
t
ur
e
,
D
e
ns
e
Ne
t
a
c
hi
e
ve
s
i
m
pr
o
v
e
d
c
o
m
put
a
t
i
o
n
a
l
a
n
d
m
e
m
o
r
y
e
f
f
i
c
i
e
nc
y
c
o
m
pa
r
e
d
to
tr
a
di
t
i
o
n
a
l
C
o
nv
Ne
t
s
,
pr
e
s
e
n
t
i
n
g
a
pr
o
m
i
s
i
ng
i
nn
o
v
a
t
i
o
n
i
n
t
h
e
f
i
e
l
d
o
f
n
e
ur
a
l
ne
t
wor
ks
.
F
i
gur
e
1
.
F
l
o
w
c
h
a
r
t
o
f
pr
o
p
o
s
e
d
w
or
k
F
i
gur
e
2
.
k
G
r
o
w
t
h
r
a
t
e
T
a
bl
e
1
pr
o
vi
de
d
r
e
pr
e
s
e
n
t
s
t
h
e
di
s
t
r
i
b
ut
i
o
n
o
f
DR
l
e
v
e
l
s
a
m
o
n
g
i
n
d
i
v
i
dua
l
s
,
w
i
t
h
c
o
r
r
e
s
po
n
d
i
ng
l
a
b
e
l
s
a
n
d
t
h
e
n
u
m
be
r
o
f
i
nd
i
vi
du
a
l
s
f
a
l
li
ng
i
n
t
o
e
a
c
h
c
a
t
e
go
r
y
.
T
h
e
i
nf
o
r
m
a
t
i
o
n
c
a
n
b
e
vi
s
ua
li
z
e
d
t
h
r
o
ugh
a
gr
a
ph
to
i
ll
u
s
t
r
a
t
e
t
h
e
di
s
t
r
i
b
ut
i
o
n
o
f
DR
l
e
v
e
l
s
:
X
-
a
xi
s
(
l
a
be
l
s
)
.
T
h
e
di
f
f
e
r
e
n
t
l
e
v
e
l
s
o
f
DR
(
0
f
o
r
n
o
DR
,
1
f
o
r
m
il
d,
2
f
o
r
m
o
de
r
a
t
e
,
3
f
o
r
s
e
v
e
r
e
,
a
n
d
4
f
o
r
pr
o
l
i
f
e
r
a
t
i
v
e
)
a
r
e
l
i
s
t
e
d.
Y
-
a
xi
s
(
n
u
m
be
r
o
f
p
e
r
s
o
n
s
)
:
r
e
pr
e
s
e
n
t
s
t
h
e
c
o
un
t
o
r
f
r
e
que
n
c
y
o
f
i
n
d
i
v
i
dua
l
s
w
i
t
hi
n
e
a
c
h
DR
l
e
v
e
l
c
a
t
e
go
r
y
.
T
h
e
gr
a
ph
i
n
F
i
gur
e
3
d
i
s
p
l
a
y
s
b
a
r
s
f
o
r
e
a
c
h
l
e
v
e
l
o
f
DR
,
w
i
t
h
t
h
e
h
e
i
g
h
t
o
f
e
a
c
h
b
a
r
r
e
pr
e
s
e
n
t
i
n
g
t
h
e
n
u
m
be
r
o
f
i
n
d
i
v
i
dua
ls
f
a
ll
i
ng
i
n
t
o
t
h
a
t
pa
r
t
i
c
u
l
a
r
D
R
l
e
v
e
l
.
B
y
vi
s
ua
li
z
i
ng
t
hi
s
d
a
t
a
,
i
t
b
e
c
o
m
e
s
e
a
s
i
e
r
t
o
c
o
m
pr
e
h
e
n
d
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
DR
s
e
v
e
r
i
t
y
l
e
v
e
l
s
a
m
o
n
g
t
h
e
g
i
v
e
n
po
pu
l
a
t
i
o
n
.
T
a
bl
e
1.
Num
be
r
o
f
pe
r
s
o
n
s
i
n
e
a
c
h
c
l
a
s
s
L
e
ve
l
of
D
R
L
a
b
e
ls
N
umbe
r
of
p
e
r
s
o
ns
0
N
o
D
R
1805
1
M
il
d
999
2
M
o
de
r
a
te
370
3
S
e
ve
r
e
295
4
P
r
o
li
f
e
r
a
ti
ve
193
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
2
,
F
e
b
r
ua
r
y
20
2
5
:
1
28
4
-
1
29
3
1288
F
i
gur
e
3
.
Di
s
t
r
i
b
ut
i
o
n
o
f
c
l
a
s
s
e
s
o
n
t
h
e
y
-
a
xi
s
a
r
e
th
e
n
u
m
be
r
o
f
pe
r
s
o
n
s
a
n
d
o
n
t
h
e
x
-
a
xi
s
a
r
e
s
t
a
ge
s
o
f
d
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
T
a
bl
e
2
s
u
m
m
a
r
i
z
e
s
t
h
e
c
l
i
n
i
c
a
l
f
e
a
t
ur
e
s
l
i
nke
d
t
o
di
f
f
e
r
e
n
t
DR
l
e
ve
l
s
.
I
t
c
a
t
e
g
o
r
i
z
e
s
DR
s
e
v
e
r
i
t
y
l
e
v
e
l
s
n
u
m
e
r
i
c
a
ll
y
a
n
d
o
ut
l
i
n
e
s
c
o
r
r
e
s
p
o
n
d
i
n
g
o
b
s
e
r
v
a
bl
e
r
e
t
i
n
a
l
m
a
ni
f
e
s
t
a
t
i
o
n
s
.
T
hi
s
c
o
n
c
i
s
e
gu
i
d
e
a
s
s
i
s
t
s
i
n
r
e
c
o
gni
z
i
ng
a
n
d
c
ha
r
a
c
t
e
r
i
z
i
ng
d
i
s
t
i
n
c
t
di
s
e
a
s
e
s
t
a
ge
s
b
a
s
e
d
o
n
c
l
i
n
i
c
a
l
r
e
t
i
n
a
l
f
e
a
t
ur
e
s
.
T
a
bl
e
2.
DR
l
e
ve
l
s
a
n
d
c
a
t
e
gor
i
e
s
w
i
t
h
t
h
e
i
r
c
li
n
i
c
a
l
m
a
ni
f
e
s
t
a
t
i
o
n
s
L
e
ve
l
C
a
te
gor
y
C
li
ni
c
a
l
m
a
ni
f
e
s
ta
ti
o
n
0
N
o
D
R
L
e
s
i
o
n
-
f
r
e
e
1
M
il
d D
R
M
ic
r
o
a
ne
u
r
y
s
ms
, s
ma
ll
he
m
or
r
ha
g
e
s
, o
r
mi
ld
r
e
ti
na
l
c
ha
nge
s
2
M
o
de
r
a
te
D
R
H
e
m
o
r
r
ha
gi
c
di
a
b
e
ti
c
r
e
ti
n
o
pa
th
y
, V
e
n
o
us
B
e
a
di
ng a
nd p
o
s
s
ib
ly
c
o
tt
o
n w
oo
l
s
p
o
ts
3
S
e
ve
r
e
D
R
W
id
e
s
pr
e
a
d h
e
m
o
r
r
ha
ge
s
, c
o
t
t
o
n w
ool
s
po
ts
, a
nd V
e
n
o
us
B
e
a
di
ng
4
P
r
o
li
f
e
r
a
ti
ve
D
R
(
P
D
R
)
N
e
ov
a
s
c
ul
a
r
i
z
a
ti
o
n,
f
o
r
ma
ti
o
n
of
f
ib
r
o
us
t
is
s
ue
, v
it
r
e
o
us
he
m
o
r
r
ha
ge
,
o
r
r
e
ti
na
l
d
e
ta
c
hm
e
nt
4.
RE
S
UL
T
S
AN
D
DI
S
CU
S
S
I
ON
T
h
e
pr
o
p
o
s
e
d
m
o
de
l
c
e
n
t
e
r
s
a
r
o
un
d
De
n
s
e
Ne
t
169,
tr
a
i
n
e
d
a
n
d
t
e
s
t
e
d
o
n
a
da
t
a
s
e
t
o
f
13,
000
f
un
du
s
p
i
c
t
ur
e
s
,
a
n
d
t
a
r
ge
t
s
f
i
v
e
d
i
s
t
i
n
c
t
DR
c
l
a
s
s
e
s
.
T
h
e
i
m
a
ge
s
a
r
e
s
o
ur
c
e
d
f
r
o
m
A
P
T
OS
bli
nd
n
e
s
s
de
t
e
c
t
i
o
n
,
K
a
gg
l
e
da
t
a
s
e
t
,
a
r
e
l
a
b
e
ll
e
d
a
n
d
t
h
o
r
o
ughl
y
a
s
s
e
s
s
e
d
a
r
e
s
h
o
wn
i
n
F
i
gur
e
4.
W
i
t
h
a
t
a
r
ge
t
i
m
a
ge
m
e
a
s
ur
e
o
f
224
×
224,
i
t
ut
i
li
z
e
s
C
NN
pr
e
pr
o
c
e
s
s
i
n
g,
S
o
f
t
M
a
x
a
c
t
i
v
a
t
i
o
n
,
a
n
d
t
h
e
A
da
m
o
pt
i
m
i
z
e
r
w
i
t
h
a
c
o
n
s
i
s
t
e
n
t
l
e
a
r
ni
ng
r
a
t
e
o
f
0.
01
a
n
d
c
a
t
e
go
r
i
c
a
l
c
r
o
s
s
-
e
n
t
r
o
p
y
a
s
i
t
s
pr
e
f
e
r
r
e
d
l
o
s
s
f
u
n
c
t
i
o
n
t
h
r
o
ugh
o
u
t
50
e
p
oc
hs
.
T
h
e
De
ns
e
Ne
t
169
m
o
de
l
wa
s
i
ni
t
i
a
ll
y
de
s
i
g
n
e
d
w
i
t
h
13,
070
,
405
pa
r
a
m
e
t
e
r
s
,
o
u
t
o
f
w
hi
c
h
12,
912,
0
05
we
r
e
t
r
a
i
n
a
bl
e
a
n
d
158,
4
00
we
r
e
n
o
n
-
t
r
a
i
n
a
bl
e
f
o
r
a
224×
224
i
n
put
s
i
z
e
.
T
o
c
o
m
b
a
t
o
v
e
r
f
i
t
t
i
n
g,
a
s
t
r
a
t
e
g
y
o
f
e
a
r
ly
-
s
to
ppi
n
g
i
s
im
p
l
e
m
e
n
t
e
d.
W
i
t
h
t
hi
s
s
t
r
a
t
e
gy
,
t
h
e
m
o
de
l
c
o
un
t
e
r
s
t
h
e
o
v
e
r
f
i
t
t
i
n
g
pr
o
bl
e
m
a
n
d
m
a
i
n
t
a
i
ns
a
t
r
a
i
ni
ng
a
c
c
ur
a
c
y
o
f
84.
95%
a
n
d
a
v
a
l
i
d
a
t
i
o
n
a
c
c
ur
a
c
y
o
f
82%
.
W
hil
e
t
h
e
tr
a
i
ni
n
g
l
o
s
s
s
too
d
a
t
0.
5375,
t
h
e
v
a
li
da
t
i
o
n
l
o
s
s
wa
s
0.
51069.
F
i
gur
e
4
.
R
e
t
i
na
i
m
a
ge
s
w
i
t
h
l
a
b
e
l
s
o
f
s
e
v
e
r
i
t
y
o
f
DR
T
h
e
c
o
nf
us
i
o
n
m
a
t
r
i
x
f
o
r
m
u
l
t
i
-
c
l
a
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
i
s
s
h
o
wn
i
n
F
i
gur
e
5,
a
n
d
i
t
s
h
o
wc
a
s
e
s
t
h
e
a
c
c
ur
a
t
e
p
r
e
d
i
c
t
i
o
n
s
a
l
o
n
g
t
h
e
d
i
a
go
n
a
l
e
l
e
m
e
n
t
s
,
wh
e
r
e
e
a
c
h
r
o
w
r
e
pr
e
s
e
n
t
s
t
h
e
tr
ue
c
l
a
s
s
a
n
d
e
a
c
h
c
o
l
u
m
n
c
o
r
r
e
s
po
n
ds
to
t
h
e
pr
e
di
c
t
e
d
c
l
a
s
s
.
No
t
a
bl
y
,
t
h
e
m
o
de
l
d
i
s
p
l
a
y
e
d
s
t
r
o
n
g
a
c
c
ur
a
c
y
i
n
r
e
c
o
gni
z
i
n
g
n
o
DR
(
587
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
De
tec
ti
on
o
f
di
abe
ti
c
r
e
ti
nopathy
and
c
las
s
if
icat
io
n
o
f
it
s
s
tages
by
…
(
Sac
hin
Gaur
)
1289
c
o
r
r
e
c
t
pr
e
di
c
t
i
o
ns
)
a
n
d
m
o
de
r
a
t
e
DR
(
275
c
o
r
r
e
c
t
pr
e
di
c
t
i
o
ns
)
.
Ho
we
v
e
r
,
c
h
a
l
l
e
n
ge
s
e
m
e
r
ge
d
i
n
d
i
s
t
i
n
gu
i
s
hi
ng
c
e
r
t
a
i
n
c
l
a
s
s
e
s
,
s
uc
h
a
s
n
o
DR
,
wi
t
h
9
i
ns
t
a
n
c
e
s
m
i
s
c
l
a
s
s
if
i
e
d
a
s
mi
l
d
D
R
,
a
n
d
s
e
ve
r
e
DR
,
w
i
t
h
28
i
n
s
t
a
n
c
e
s
mi
s
c
l
a
s
s
if
i
e
d
a
s
m
o
de
r
a
t
e
DR
.
Ov
e
r
a
l
l
,
t
h
e
m
a
t
r
i
x
s
e
r
v
e
s
a
s
a
c
o
m
pr
e
h
e
n
s
i
ve
e
v
a
l
u
a
ti
o
n
t
oo
l
,
hi
g
hli
g
h
t
i
n
g
t
h
e
m
o
de
l
's
pr
o
f
i
c
i
e
n
c
y
i
n
s
o
m
e
c
l
a
s
s
e
s
whil
e
u
n
c
o
v
e
r
i
ng
a
r
e
a
s
r
e
qu
i
r
i
ng
f
ur
t
h
e
r
r
e
f
i
ne
m
e
n
t
.
F
i
gur
e
5
.
C
o
nf
u
s
i
o
n
m
a
t
r
i
x
:
m
o
de
l
pr
e
d
i
c
t
i
o
n
s
v
s
.
a
c
t
ua
l
c
l
a
s
s
l
a
b
e
l
s
T
h
e
da
t
a
i
n
T
a
bl
e
3
r
e
pr
e
s
e
n
t
t
h
e
m
e
t
r
i
c
s
(
t
r
a
i
ni
ng
a
c
c
ur
a
c
y
,
t
r
a
i
ni
ng
l
o
s
s
,
v
a
li
da
t
i
o
n
l
o
s
s
,
a
n
d
v
a
li
da
t
i
o
n
a
c
c
ur
a
c
y
)
r
e
c
o
r
de
d
a
c
r
o
s
s
di
f
f
e
r
e
n
t
e
p
o
c
h
s
dur
i
n
g
m
o
de
l
t
r
a
i
ni
ng.
Us
i
n
g
t
h
e
s
e
m
e
t
r
i
c
s
,
g
r
a
ph
s
we
r
e
ge
n
e
r
a
t
e
d
i
n
F
i
gur
e
6,
i
ll
us
t
r
a
t
i
n
g
t
h
e
r
e
l
a
t
i
o
n
s
hi
p
b
e
t
we
e
n
t
h
e
n
u
m
be
r
s
o
f
e
po
c
h
s
,
t
h
e
l
o
s
s
s
h
o
w
n
i
n
F
i
gur
e
6(
a
)
,
a
n
d
t
h
e
a
c
c
ur
a
c
y
s
h
o
wn
i
n
F
i
gur
e
6(
b
)
.
I
n
t
hi
s
pa
r
t
i
c
u
l
a
r
c
a
s
e
,
t
h
e
f
i
gur
e
s
d
i
s
p
l
a
y
t
h
e
m
o
de
l
'
s
pe
r
f
o
r
m
a
n
c
e
m
e
t
r
i
c
s
o
v
e
r
29
e
po
c
h
s
,
s
h
o
wc
a
s
i
n
g
h
o
w
t
h
e
s
e
m
e
t
r
i
c
s
e
v
o
l
ve
a
n
d
po
t
e
n
t
i
a
ll
y
c
o
nv
e
r
ge
o
r
d
i
v
e
r
ge
w
i
t
h
e
a
c
h
t
r
a
i
ni
n
g
i
t
e
r
a
t
i
o
n
.
T
a
bl
e
3
.
T
r
a
i
ni
n
g
a
c
c
ur
a
c
y
a
n
d
l
o
s
s
,
v
a
li
da
t
i
o
n
l
o
s
s
a
n
d
a
c
c
ur
a
c
y
i
n
e
a
c
h
e
po
c
h
N
umbe
r
of
e
p
oc
hs
T
r
a
in
in
g a
c
c
ur
a
c
y
T
r
a
in
in
g l
o
s
s
V
a
li
da
ti
o
n l
o
s
s
V
a
li
da
ti
o
n a
c
c
ur
a
c
y
0
0.771792763
0.755034463
0.648285182
0.785245902
1
0.786184211
0.719322748
0.858948273
0.708196721
2
0.807976974
0.6480332
17
0.603256721
0.785245902
3
0.791529605
0.655029376
0.584837147
0.78442623
4
0.821957237
0.618818276
0.64209849
0.768852459
5
0.815789474
0.627519772
0.584085039
0.791803279
6
0.807976974
0.613731507
0.626006479
0.778688525
7
0.836759868
0.585714199
0.54685521
0.809836066
8
0.828125
0.612917097
0.550389021
0.805737705
9
0.821957237
0.580648763
0.586297816
0.804098361
10
0.817434211
0.603748549
0.539687865
0.817213115
11
0.819078947
0.58481709
0.542103092
0.814754098
12
0.817434211
0.606531533
0.5
5600325
0.809016393
13
0.826480263
0.586373622
0.527535116
0.817213115
14
0.826069079
0.57024889
0.52968928
0.818032787
15
0.829358553
0.575481071
0.53653164
0.816393443
16
0.838815789
0.562178858
0.538082487
0.818852459
17
0.84375
0.55456677
0.526095
138
0.82295082
18
0.807154605
0.616007655
0.528861514
0.817213115
19
0.842927632
0.565186433
0.510686069
0.821311475
20
0.846217105
0.562477249
0.524516563
0.81557377
21
0.827713816
0.566219513
0.517534104
0.81557377
22
0.822368421
0.583820187
0.51971
2399
0.825409836
23
0.838404605
0.563346779
0.519776312
0.82295082
24
0.841694079
0.562778491
0.518873552
0.817213115
25
0.851151316
0.561373844
0.518437012
0.826229508
26
0.840460526
0.556755711
0.522460155
0.819672131
27
0.843338816
0.527047623
0.52
2506847
0.818032787
28
0.844161184
0.544994791
0.524690615
0.823770492
29
0.849506579
0.537531073
0.53772449
0.817213115
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
2
,
F
e
b
r
ua
r
y
20
2
5
:
1
28
4
-
1
29
3
1290
(
a
)
(
b
)
F
i
gur
e
6
.
Gr
a
ph
s
h
o
ws
t
h
e
r
e
l
a
t
i
o
ns
hi
p
b
e
t
we
e
n
E
po
c
h
’
s
n
u
m
b
e
r
(
a
)
l
o
s
s
a
n
d
(
b
)
a
c
c
ur
a
c
y
T
a
bl
e
4
pr
e
s
e
n
t
s
t
h
e
m
o
de
l
'
s
pe
r
f
o
r
m
a
nc
e
m
e
t
r
i
c
s
f
o
r
m
u
l
t
i
p
l
e
c
l
a
s
s
e
s
:
C
l
a
s
s
0
s
h
o
ws
hi
g
h
pr
e
c
i
s
i
o
n
,
r
e
c
a
l
l
,
a
n
d
F
1
-
s
c
o
r
e
,
i
n
d
i
c
a
t
i
n
g
a
c
c
ur
a
t
e
pr
e
di
c
t
i
o
n
s
w
i
t
h
s
t
r
o
n
g
s
uppo
r
t.
C
l
a
s
s
1
s
t
r
uggl
e
s
w
i
t
h
l
o
we
r
pr
e
c
i
s
i
o
n
a
n
d
r
e
c
a
ll
.
C
l
a
s
s
2
de
m
o
ns
t
r
a
t
e
s
b
a
l
a
n
c
e
d
m
e
t
r
i
c
s
.
C
l
a
s
s
3
f
a
c
e
s
c
h
a
ll
e
n
ge
s
,
r
e
s
u
l
t
i
n
g
i
n
a
l
o
we
r
F
1
-
s
c
o
r
e
.
C
l
a
s
s
4
e
xhi
b
i
t
s
hi
g
h
pr
e
c
i
s
i
o
n
b
ut
l
o
we
r
r
e
c
a
l
l
.
"
M
a
c
r
o
A
v
g
"
r
e
pr
e
s
e
n
t
s
a
v
e
r
a
ge
pe
r
f
o
r
m
a
nc
e
a
c
r
o
s
s
a
l
l
c
l
a
s
s
e
s
,
whil
e
"
W
e
i
g
h
t
e
d
Av
g
"
c
o
n
s
i
de
r
s
c
l
a
s
s
s
uppo
r
t.
T
h
e
a
c
c
ur
a
c
y
s
t
a
n
d
s
a
t
0.
82
,
s
h
o
wc
a
s
i
n
g
t
h
e
m
o
de
l
's
c
o
m
pe
t
e
n
c
y
i
n
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
.
A
c
c
ur
a
c
y
:
a
c
c
ur
a
c
y
m
e
a
s
ur
e
s
t
h
e
pr
o
p
o
r
t
i
o
n
o
f
c
or
r
e
c
t
l
y
c
l
a
s
s
i
f
i
e
d
i
ns
t
a
n
c
e
s
o
u
t
o
f
t
h
e
tot
a
l
pr
e
d
i
c
t
i
o
n
s
m
a
de
by
t
h
e
m
o
de
l
,
r
e
f
l
e
c
t
i
n
g
o
v
e
r
a
l
l
p
r
e
d
i
c
t
i
v
e
pe
r
f
o
r
m
a
n
c
e
.
=
+
+
+
+
(
1)
P
r
e
c
i
s
i
o
n
:
p
r
e
c
i
s
i
o
n
e
va
l
ua
t
e
s
t
h
e
c
or
r
e
c
t
n
e
s
s
o
f
po
s
i
t
i
v
e
pr
e
d
i
c
t
i
o
n
s
by
t
h
e
m
o
de
l
,
r
e
pr
e
s
e
n
t
i
n
g
t
h
e
r
a
t
i
o
o
f
a
c
c
ur
a
t
e
l
y
pr
e
d
i
c
t
e
d
p
o
s
i
t
i
v
e
i
ns
t
a
n
c
e
s
to
t
h
e
tot
a
l
pr
e
d
i
c
t
e
d
po
s
i
t
i
v
e
i
ns
t
a
n
c
e
s
.
=
+
(
2)
R
e
c
a
ll
:
t
hi
s
m
e
t
r
i
c
m
e
a
s
ur
e
s
t
h
e
m
o
de
l
's
a
bil
i
t
y
t
o
c
o
r
r
e
c
t
l
y
i
de
n
t
i
f
y
a
ll
r
e
l
e
v
a
n
t
i
ns
t
a
n
c
e
s
i
n
a
c
l
a
s
s
.
I
t
'
s
t
h
e
r
a
t
i
o
o
f
c
o
r
r
e
c
t
l
y
pr
e
d
i
c
t
e
d
po
s
i
t
i
v
e
o
b
s
e
r
v
a
t
i
o
ns
to
t
h
e
tot
a
l
a
c
t
ua
l
po
s
i
t
i
ve
s
.
=
+
(
3)
F1
-
s
c
o
r
e
:
a
h
a
r
m
o
ni
c
m
e
a
n
o
f
pr
e
c
i
s
i
o
n
a
n
d
r
e
c
a
ll
,
o
f
f
e
r
i
ng
a
b
a
l
a
n
c
e
d
a
s
s
e
s
s
m
e
n
t
.
1
−
=
2
×
×
+
(
4)
=
,
(
5)
=
(
∑
,
=
0
)
−
,
(
6)
=
(
∑
,
=
0
)
−
,
(
7)
=
(
∑
∑
,
=
0
=
0
)
−
∑
,
−
∑
,
+
,
=
0
=
0
(
8)
T
a
bl
e
4.
C
l
a
s
s
i
f
i
c
a
t
i
o
n
r
e
po
r
t
C
la
s
s
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
S
uppor
t
0
0.96
0.98
0.97
596
1
0.69
0.5
0.58
117
2
0.7
0.86
0.77
333
3
0.4
0.39
0.39
62
4
0.8
0.38
0.52
112
M
a
c
r
o
a
vg
.
0.71
0.62
0.65
1220
W
e
ig
ht
e
d
a
vg
.
0.82
0.82
0.81
1220
A
c
c
u
r
a
c
y
0.82
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
De
tec
ti
on
o
f
di
abe
ti
c
r
e
ti
nopathy
and
c
las
s
if
icat
io
n
o
f
it
s
s
tages
by
…
(
Sac
hin
Gaur
)
1291
4.
1.
Co
m
p
ar
at
ive
an
al
ys
i
s
I
n
t
hi
s
s
e
c
t
i
o
n
,
c
o
m
pa
r
i
s
o
n
o
f
t
h
e
d
i
s
e
a
s
e
c
l
a
s
s
if
i
c
a
t
i
o
n
m
o
de
l
o
f
t
hi
s
s
t
ud
y
w
i
t
h
t
h
e
e
s
t
a
bl
i
s
he
d
m
e
t
h
o
do
l
o
g
i
e
s
.
T
h
e
s
t
ud
y
o
f
[
16]
f
o
c
us
e
d
o
n
bi
na
r
y
DR
de
t
e
c
t
i
o
n
w
i
t
h
hi
g
h
a
c
c
ur
a
c
y
,
w
hi
l
e
t
hi
s
r
e
s
e
a
r
c
h
i
n
t
r
o
duc
e
d
a
m
u
l
t
i
-
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
ppr
o
a
c
h
,
e
n
h
a
nc
i
n
g
pr
e
d
i
c
t
i
v
e
c
a
pa
bil
i
t
i
e
s
f
o
r
di
ve
r
s
e
DR
s
t
a
ge
s
.
T
a
bl
e
5
c
o
m
pa
r
e
s
a
c
c
ur
a
c
y
r
a
t
e
s
f
o
r
di
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
de
t
e
c
t
i
o
n
:
C
NN
a
c
hi
e
v
e
d
93.
72%
,
XG
B
o
o
s
t
91.
40%
,
a
n
d
DNN
95.
6%
.
T
a
bl
e
5.
C
o
m
pa
r
i
s
o
n
o
f
d
i
f
f
e
r
e
n
t
m
o
de
l
s
f
o
r
de
t
e
c
ti
o
n
o
f
DR
M
o
de
l
C
la
s
s
if
ic
a
ti
o
n
Ac
c
u
r
a
c
y
R
e
c
a
ll
P
r
e
c
is
i
o
n
F1
-
s
c
o
r
e
C
N
N
[
16]
B
in
a
r
y
(
D
R
/N
o
D
R
)
M
ul
ti
-
c
la
s
s
(
5
-
c
la
s
s
e
s
)
93.72
-
97.30
-
-
-
-
-
X
G
B
oo
s
t
[
17
]
B
in
a
r
y
(
D
R
/N
o
D
R
)
M
ul
ti
-
c
la
s
s
(
5
-
c
la
s
s
e
s
)
91.40
-
-
-
-
-
-
-
DNN
[
18]
B
in
a
r
y
(
D
R
/N
o
D
R
)
M
ul
ti
-
c
la
s
s
(
5
-
c
la
s
s
e
s
)
95.6
-
92
-
94
-
93
-
De
ns
e
N
e
t1
69
B
in
a
r
y
(
D
R
/N
o
D
R
)
M
ul
ti
-
c
la
s
s
(
5
-
c
la
s
s
e
s
)
98
82
69.90
82
91.45
82
79.22
81
T
h
e
pr
o
p
o
s
e
d
r
e
t
i
n
a
l
im
a
ge
-
b
a
s
e
d
d
i
a
be
t
e
s
pr
e
di
c
t
i
o
n
m
o
de
l
,
de
s
p
i
t
e
i
t
s
de
pt
h
a
n
d
hi
g
h
t
r
a
i
ni
n
g
a
c
c
ur
a
c
y
,
l
a
c
ks
s
pe
c
i
a
l
i
z
e
d
f
e
a
t
ur
e
s
f
o
r
DR
de
t
e
c
ti
o
n
.
T
h
e
gr
a
phi
c
a
l
r
e
pr
e
s
e
n
t
a
t
i
o
n
i
n
F
i
gur
e
7,
t
h
r
o
ugh
t
h
e
gr
a
ph
,
vi
s
ua
ll
y
u
n
de
r
s
c
o
r
e
s
t
h
e
s
e
f
i
nd
i
ng
s
,
pr
o
vi
d
i
n
g
a
c
l
e
a
r
e
r
i
ns
i
g
h
t
i
n
t
o
t
h
e
m
o
de
l
'
s
pe
r
f
o
r
m
a
nc
e
a
c
r
o
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
s
.
Unli
ke
pr
e
vi
o
us
bi
na
r
y
DR
c
l
a
s
s
if
i
c
a
t
i
o
n
s
t
udi
e
s
,
t
hi
s
pa
pe
r
'
s
m
o
de
l
a
do
pt
s
a
m
u
l
t
i
-
s
t
a
ge
a
ppr
o
a
c
h
.
W
hi
l
e
pr
i
o
r
m
o
de
l
s
s
h
o
we
d
hi
g
h
a
c
c
ur
a
c
y
i
n
bi
na
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
t
hi
s
m
o
de
l
a
c
hiev
e
s
a
n
e
x
c
e
pt
i
o
na
l
98%
a
c
c
ur
a
c
y
.
T
hi
s
m
u
l
t
i
-
s
t
a
ge
m
e
t
h
o
d
e
nh
a
n
c
e
s
pe
r
f
o
r
m
a
nc
e
i
n
d
i
s
t
i
n
gu
i
s
hi
ng
DR
s
t
a
ge
s
,
r
e
a
c
hi
ng
82%
a
c
c
ur
a
c
y
.
M
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
i
n
DR
r
e
s
e
a
r
c
h
o
f
f
e
r
s
i
ns
i
g
h
t
s
i
n
t
o
di
v
e
r
s
e
d
i
s
e
a
s
e
s
t
a
ge
s
f
o
r
pr
e
c
i
s
e
t
r
e
a
t
m
e
n
t
p
l
a
nni
ng.
I
t
di
s
c
e
r
n
s
s
u
b
t
l
e
s
e
v
e
r
i
t
y
d
if
f
e
r
e
nc
e
s
,
a
i
d
i
ng
i
n
n
ua
nc
e
d
r
e
t
i
n
a
l
im
a
ge
a
n
a
ly
s
i
s
.
M
o
de
l
s
li
ke
De
ns
e
Ne
t
169
e
ns
ur
e
hi
g
h
a
c
c
ur
a
c
y,
e
n
a
bli
ng
r
o
b
us
t
pr
e
di
c
t
i
o
ns
a
n
d
e
a
r
ly
i
n
t
e
r
v
e
nt
i
o
n
s
t
o
pr
e
v
e
n
t
vi
s
i
o
n
l
o
s
s
.
Av
o
i
d
i
ng
d
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
c
o
n
s
e
que
n
c
e
s
r
e
qu
i
r
e
s
s
t
r
i
c
t
bl
o
o
d
s
uga
r
c
o
n
t
r
o
l
,
r
e
gul
a
r
e
y
e
e
x
a
m
s
,
a
n
d
t
i
m
e
ly
m
e
d
i
c
a
l
i
n
t
e
r
v
e
n
t
i
o
n
t
o
pr
e
v
e
n
t
vi
s
i
o
n
l
o
s
s
.
De
n
s
e
Ne
t
169
C
NN
m
o
de
l
s
i
g
nif
i
c
a
n
t
l
y
a
dv
a
nc
e
s
d
i
a
b
e
t
e
s
de
t
e
c
t
i
o
n
a
n
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
i
m
pr
o
vi
n
g
d
i
a
g
n
o
s
t
i
c
a
c
c
ur
a
c
y
a
n
d
po
t
e
n
t
i
a
ll
y
e
nh
a
n
c
i
n
g
e
a
r
l
y
d
e
t
e
c
t
i
o
n
a
n
d
t
r
e
a
t
m
e
n
t
o
u
t
c
o
m
e
s
.
F
i
gur
e
7
.
Gr
a
ph
s
h
o
ws
t
h
e
a
c
c
ur
a
c
y
c
o
m
pa
r
i
s
o
n
o
f
t
hi
s
pa
pe
r
pr
o
p
o
s
e
d
m
o
de
l
w
i
t
h
pr
e
vi
o
u
s
m
o
de
l
s
5.
CONC
L
USI
ON
T
hi
s
s
t
ud
y
e
x
p
l
o
r
e
s
C
NN
-
b
a
s
e
d
m
e
t
h
o
ds
f
o
r
DR
pr
e
di
c
t
i
o
n
a
n
d
c
l
a
s
s
if
i
c
a
t
i
o
n
,
a
i
m
e
d
a
t
bl
i
nd
n
e
s
s
pr
e
v
e
n
t
i
o
n
us
i
ng
r
e
t
i
n
a
l
im
a
ge
s
,
l
e
v
e
r
a
g
i
ng
De
n
s
e
Ne
t
169
a
r
c
hi
t
e
c
t
ur
e
o
n
t
h
e
A
P
T
OS
2019
da
t
a
s
e
t
.
W
i
t
h
o
v
e
r
13,
000
f
u
n
dus
im
a
ge
s
,
t
h
e
m
o
de
l
a
im
s
t
o
p
r
e
di
c
t
f
i
ve
d
i
a
b
e
t
i
c
r
e
t
i
n
o
pa
t
hy
s
t
a
ge
s
.
F
o
l
l
o
w
i
ng
pr
e
pr
o
c
e
s
s
i
ng
a
n
d
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
,
t
h
e
m
o
de
l
a
c
hi
e
ve
d
82
%
a
c
c
ur
a
c
y
,
s
ur
pa
s
s
i
ng
a
d
v
a
n
c
e
d
a
l
go
r
i
t
hm
s
.
E
v
a
l
ua
t
i
o
n
e
n
c
o
m
pa
s
s
e
d
a
c
c
ur
a
c
y
,
pr
e
c
i
s
i
o
n
,
r
e
c
a
l
l
,
a
n
d
F
1
s
c
o
r
e
m
e
t
r
i
c
s
.
T
hi
s
pa
pe
r
’
s
pr
o
po
s
e
d
m
o
de
l
s
ho
wc
a
s
e
s
s
ubs
t
a
n
t
i
a
l
s
upe
r
i
o
r
i
t
y
o
v
e
r
pr
e
vi
o
us
bi
n
a
r
y
-
c
l
a
s
s
m
o
de
l
s
i
n
b
o
t
h
bi
n
a
r
y
a
n
d
m
u
l
t
i
-
c
l
a
s
s
c
o
n
t
e
x
t
s
.
I
n
bi
na
r
y
s
e
tt
i
n
g
s
,
i
t
a
c
hi
e
ve
s
a
n
i
m
pr
e
s
s
i
ve
a
c
c
ur
a
c
y
o
f
98%
,
o
u
tper
f
o
r
m
i
n
g
e
s
t
a
bl
i
s
he
d
m
o
de
l
s
.
W
h
e
n
e
x
pa
n
de
d
i
n
t
o
m
u
l
t
i
-
c
l
a
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
,
y
o
ur
m
o
de
l
m
a
i
n
t
a
i
ns
hi
g
h
a
c
c
ur
a
c
y
a
t
82%
,
m
a
r
k
i
ng
a
s
i
g
ni
f
i
c
a
n
t
l
e
a
p
f
o
r
wa
r
d
c
o
m
pa
r
e
d
to
t
r
a
di
t
i
o
n
a
l
bi
na
r
y
m
o
de
l
s
.
T
h
e
pr
o
p
os
e
d
m
e
t
h
o
do
l
o
g
y
i
s
a
n
I
m
a
ge
N
e
t
tr
a
i
ni
ng
t
r
a
n
s
f
e
r
l
e
a
r
ni
ng
De
ns
e
N
e
t
m
o
de
l
w
hi
c
h
n
e
e
d
s
h
uge
da
t
a
s
e
t
to
tr
a
i
n,
a
n
d
da
t
a
a
r
e
l
a
b
e
ll
e
d.
T
r
a
n
s
i
t
i
o
ni
ng
f
r
o
m
l
a
b
e
l
e
d
to
s
e
m
i
-
l
a
b
e
l
e
d
o
r
unl
a
b
e
l
e
d
da
t
a
c
o
ul
d
e
nh
a
n
c
e
t
h
e
m
o
de
l
's
r
o
b
us
t
n
e
s
s
a
n
d
s
c
a
l
a
bil
i
t
y
,
a
ll
o
w
i
ng
f
o
r
m
o
r
e
e
x
t
e
ns
i
ve
da
t
a
u
t
i
l
i
z
a
t
i
o
n
a
n
d
pot
e
n
t
i
a
ll
y
im
pr
o
vi
n
g
pe
r
f
o
r
m
a
n
c
e
.
T
hi
s
m
e
t
h
o
d
e
n
a
bl
e
s
l
e
v
e
r
a
g
i
ng
a
l
a
r
ge
r
pool
o
f
da
t
a
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
2
,
F
e
b
r
ua
r
y
20
2
5
:
1
28
4
-
1
29
3
1292
whil
e
s
t
i
l
l
m
a
i
n
t
a
i
n
i
ng
s
o
m
e
l
e
v
e
l
o
f
s
upe
r
vi
s
i
o
n
.
C
o
m
bi
n
e
m
u
l
t
i
p
l
e
da
t
a
s
o
ur
c
e
s
a
n
d
e
n
s
ur
e
t
h
e
m
o
de
l
's
i
n
t
e
r
pr
e
t
a
bi
li
t
y
w
hil
e
c
o
l
l
a
b
o
r
a
t
i
n
g
w
i
t
h
h
e
a
l
t
h
c
a
r
e
pr
o
f
e
s
s
i
o
n
a
l
s
f
o
r
e
t
hi
c
a
l
a
n
d
pr
a
c
t
i
c
a
l
im
p
l
e
m
e
nt
a
t
i
o
n
i
n
c
l
i
n
i
c
a
l
c
o
n
t
e
x
t
s
.
RE
F
E
R
E
NC
E
S
[
1]
M
.
B
jo
r
k,
E
.
O
.
M
e
li
n,
T
.
F
r
is
k,
a
nd
M
.
T
huna
nde
r
,
“
A
dmi
s
s
io
n
gl
u
c
o
s
e
l
e
ve
l
w
a
s
a
s
s
o
c
ia
te
d
w
it
h
in
c
r
e
a
s
e
d
s
h
o
r
t
-
t
e
r
m
m
o
r
ta
li
t
y
a
nd
le
ngt
h
-
of
-
s
ta
y
ir
r
e
s
p
e
c
t
i
v
e
of
di
a
gn
o
s
is
,
tr
e
a
ti
ng
m
e
di
c
a
l
s
pe
c
ia
lt
y
o
r
c
o
n
c
o
mi
ta
nt
la
bor
a
t
o
r
y
v
a
lu
e
s
”
,
E
ur
ope
an
jo
ur
nal
of
in
te
r
nal
m
e
di
c
in
e
,
v
o
l.
75, pp. 71
–
78, 2020
, d
o
i:
10.1016/
j.
e
j
im
.20
20.01.010.
[
2]
P
.
S
a
e
e
di
e
t
al
.
,
“
G
l
o
ba
l
a
nd
r
e
gi
o
na
l
di
a
be
t
e
s
pr
e
v
a
le
n
c
e
e
s
ti
ma
te
s
f
o
r
2019
a
nd
pr
o
j
e
c
ti
o
ns
f
or
2030
a
nd
2045:
r
e
s
ul
ts
f
r
om
th
e
in
te
r
na
ti
o
na
l
di
a
be
t
e
s
f
e
d
e
r
a
ti
o
n
di
a
be
t
e
s
a
tl
a
s
,
9t
h
E
di
ti
o
n
,”
D
ia
be
te
s
R
e
s
e
ar
c
h
and
C
li
ni
c
al
P
r
ac
ti
c
e
,
vo
l.
157,
2019,
do
i:
10.1016/j
.di
a
br
e
s
.2019.107843.
[
3]
S
.
T
s
a
la
ma
ndr
is
e
t
al
.
,
“
T
h
e
r
o
le
of
in
f
la
mm
a
ti
o
n
in
di
a
b
e
te
s
:
c
ur
r
e
n
t
c
o
n
c
e
pt
s
a
nd
f
ut
ur
e
p
e
r
s
p
e
c
t
i
v
e
s
”
,
E
ur
ope
an
c
ar
di
ol
ogy
,
vo
l.
14, n
o
. 1, pp. 50
-
59, 2019, d
oi
:
10.15420/
e
c
r
.2018.33.1.
[
4]
S
.
P
.
C
ha
tr
a
ti
,
G
.
H
o
s
s
a
in
,
A
.
G
oy
a
l,
A
.
B
ha
n,
S
.
B
ha
tt
a
c
ha
r
y
a
,
D
.
G
a
ur
a
v
,
a
nd
S
.
M
.
T
iwa
r
i,
“
S
ma
r
t
ho
m
e
h
e
a
lt
h
m
o
ni
t
o
r
in
g
s
y
s
te
m
f
or
pr
e
di
c
ti
ng
t
y
p
e
2
di
a
b
e
t
e
s
a
nd
h
y
p
e
r
te
ns
i
o
n
,”
J
our
nal
of
K
in
g
Saud
U
ni
v
e
r
s
it
y
-
C
om
put
e
r
and
I
n
f
or
m
at
io
n
Sc
ie
nc
e
s
,
vo
l.
34, n
o
. 3, pp. 862
-
870, 20
20, d
oi
:
10.1016/j
.j
ks
uc
i.
2020.01
.010.
[
5]
A
. R
o
dr
íg
u
e
z
-
P
o
n
c
e
la
s
e
t
al
.
, “
C
hr
o
ni
c
ki
dn
e
y
di
s
e
a
s
e
a
nd dia
b
e
ti
c
r
e
ti
n
o
pa
th
y
i
n pa
ti
e
nt
s
w
it
h t
y
p
e
2 di
a
be
t
e
s
,”
P
lo
S O
ne
,
vo
l
. 11,
no
. 2, 2016
, d
o
i:
10.1371/j
o
u
r
na
l.
p
o
ne
.0149448.
[
6]
D
.
D
o
s
hi
,
A
.
S
h
e
n
oy
,
D
.
S
id
hpu
r
a
,
a
n
d
P
.
G
ha
r
pur
e
,
“
D
ia
b
e
ti
c
r
e
ti
n
o
pa
th
y
d
e
t
e
c
ti
o
n
us
in
g
d
e
e
p
c
o
n
vo
lu
ti
o
na
l
ne
u
r
a
l
n
e
tw
or
ks
,”
2016
I
nt
e
r
nat
io
nal
C
on
f
e
r
e
nc
e
on
C
om
put
in
g,
A
nal
y
ti
c
s
and
Se
c
ur
it
y
T
r
e
nds
(
C
A
ST
)
,
pp.
261
-
266,
2016,
do
i:
10.1109/C
A
S
T
.2016.7914977.
[
7]
L
.
W
a
ng,
W
,
L
i,
X
.
W
a
ng,
a
nd
J
.
X
u,
“
R
e
m
o
te
s
e
ns
in
g
im
a
ge
a
na
l
y
s
is
a
nd
pr
e
di
c
ti
o
n
ba
s
e
d
o
n
im
p
r
ov
e
d
P
i
x
2P
i
x
m
o
d
e
l
f
or
w
a
te
r
e
n
v
ir
o
nm
e
nt
pr
ot
e
c
ti
o
n
of
s
ma
r
t
c
i
ti
e
s
,”
P
e
e
r
J
. C
om
put
e
r
s
c
ie
n
c
e
,
vo
l.
9, 2023, d
o
i:
10.7717/p
e
e
r
j
-
c
s
.1292.
[
8]
C
.
Z
ha
ng,
S
.
B
e
ngi
o
,
M
.
H
a
r
dt
,
B
.
R
e
c
ht
,
a
nd
O
.
V
in
y
a
ls
,
“
U
nde
r
s
ta
ndi
ng
de
e
p
le
a
r
n
in
g
(
S
ti
ll
)
r
e
qu
ir
e
s
r
e
th
in
ki
ng
g
e
ne
r
a
li
z
a
ti
o
n,”
C
om
m
uni
c
at
io
ns
o
f
t
he
A
C
M
,
vo
l.
64, n
o
.3, pp. 107
-
115, 2021,
do
i:
10.1145/3446776.
[
9]
A
.
K
r
iz
h
e
v
s
k
y
,
I
.
S
ut
s
k
e
v
e
r
,
a
nd
G
.
E
.
H
in
t
o
n,
“
I
ma
g
e
N
e
t
c
la
s
s
i
f
i
c
a
ti
o
n
w
it
h
de
e
p
c
o
n
vo
lu
t
i
o
na
l
n
e
u
r
a
l
n
e
tw
o
r
ks
”
,
N
e
ur
al
I
nf
or
m
at
io
n P
r
oc
e
s
s
in
g Sy
s
te
m
s
,
v
o
l.
60, n
o
. 6, pp. 84
-
90, 2012
, do
i:
10.1145/3065386
.
[
10]
V
.
M
a
y
y
a
a
,
S
.
S
.
K
a
ma
th
,
a
nd
U
.
K
ul
ka
r
ni
,
“
A
ut
o
ma
t
e
d
mi
c
r
o
a
n
e
ur
y
s
ms
de
t
e
c
ti
o
n
f
or
e
a
r
l
y
di
a
gn
o
s
is
of
di
a
be
ti
c
r
e
ti
n
o
pa
t
h
y
:
a
C
o
mpr
e
h
e
ns
iv
e
r
e
v
i
e
w
,”
C
om
put
e
r
M
e
th
ods
and
P
r
ogr
am
s
in
B
io
m
e
di
c
in
e
U
pdat
e
,
v
o
l.
1,
2021,
do
i:
10.1016/j
.c
mpbup.2021.100013
.
[
11]
J
.
D
e
ng,
W
.
D
o
ng,
R
.
S
oc
h
e
r
,
L
.
L
i,
K
.
L
i,
a
nd
L
.
F
e
i
-
F
e
i,
“
I
ma
ge
N
e
t:
a
la
r
g
e
-
s
c
a
l
e
hi
e
r
a
r
c
hi
c
a
l
im
a
g
e
da
ta
ba
s
e
,”
2009
I
E
E
E
C
onf
e
r
e
nc
e
on C
om
put
e
r
V
is
io
n
and P
at
te
r
n R
e
c
ogni
ti
on
, pp. 2
48
-
255, 2009, do
i
:
10.1109/C
V
P
R
.2009.5206848.
[
12]
J
. D
e
a
n
e
t
a
l.
,
“
L
a
r
g
e
s
c
a
l
e
di
s
tr
ib
ut
e
d d
e
e
p n
e
tw
o
r
ks
,”
A
dv
anc
e
s
i
n N
e
u
r
al
I
nf
or
m
at
io
n P
r
oc
e
s
s
in
g Sy
s
te
m
s
,
v
o
l.
25, 2012
.
[
13]
O
.
R
us
s
a
ko
v
s
k
y
e
t
a
l.
,
“
I
ma
ge
N
e
t
la
r
ge
s
c
a
l
e
v
is
ua
l
r
e
c
o
gni
ti
o
n
c
ha
ll
e
ng
e
”
,
I
nt
e
r
nat
io
nal
J
our
nal
of
C
om
put
e
r
V
is
io
n
,
vo
l.
115,
no
. 3, pp. 211
-
252, 2015, d
o
i
:
10.1007/s
11263
-
015
-
0816
-
y.
[
14]
U
ns
upe
r
v
is
e
d
f
e
a
tu
r
e
l
e
a
r
ni
ng
a
nd
d
e
e
p
l
e
a
r
ni
ng
tu
to
r
ia
l
.
(
n.d.)
.
D
e
e
p
L
e
a
r
ni
ng,
2023
.
[
O
nl
in
e
]
.
A
v
a
il
a
bl
e
:
ht
tp
:/
/u
f
ld
l.
s
ta
n
f
o
r
d.
e
du/
tu
t
or
ia
l/
.
(
a
c
c
e
s
s
e
d da
t
e
:
5 D
e
c
e
mb
e
r
2
023)
[
15]
K
a
r
th
ik
,
M
a
ggi
e
,
S
o
hi
e
r
D
a
ne
,
“
A
P
T
O
S
2019
B
li
ndne
s
s
D
e
t
e
c
ti
o
n”
,
K
a
ggl
e
,
2019
.
[
O
nl
in
e
]
.
A
v
a
il
a
bl
e
:
ht
tp
s
:/
/k
a
ggl
e
.
c
o
m/
c
ompe
t
it
i
o
ns
/a
pt
o
s
2019
-
bl
in
dn
e
s
s
-
de
te
c
ti
o
n
.
(
a
c
c
e
s
s
e
d da
t
e
:
25 N
ove
mbe
r
2023)
[
16]
A
.
B
a
jw
a
,
N
.
N
o
s
he
e
n,
K
.
I
.
T
a
lp
ur
,
a
nd
S
.
A
kr
a
m,
“
A
pr
os
pe
c
ti
ve
s
tu
d
y
o
n
di
a
be
ti
c
r
e
ti
n
o
pa
th
y
d
e
t
e
c
ti
o
n
ba
s
e
d
o
n
m
o
di
f
y
c
o
n
vo
lu
ti
o
na
l
n
e
ur
a
l
n
e
tw
o
r
k
us
in
g
f
undus
im
a
g
e
s
a
t
S
in
dh
I
n
s
ti
tu
te
of
O
pht
ha
lm
o
l
o
g
y
&
V
is
ua
l
S
c
i
e
n
c
e
s
,”
D
ia
gnos
ti
c
s
,
v
ol
.
13,
no
. 3, p. 393,
2023, d
o
i:
10.3390/di
a
gn
o
s
ti
c
s
13030393.
[
17]
O
.
F
.
G
ur
c
a
n,
O
.
F
.
B
e
y
c
a
,
a
nd
O
.
D
o
ga
n,
“
A
c
o
mp
r
e
he
n
s
iv
e
s
tu
d
y
of
ma
c
hi
n
e
le
a
r
ni
ng
me
th
o
ds
o
n
di
a
be
ti
c
r
e
ti
n
opa
th
y
c
la
s
s
if
i
c
a
ti
o
n,”
I
nt
e
r
nat
io
nal
J
our
nal
o
f
C
om
put
at
io
nal
I
nt
e
ll
ig
e
nc
e
Sy
s
te
m
s
,
v
o
l.
14,
n
o
.
1,
pp.
11
32
-
1141
,
2021,
do
i:
10.2991/i
jc
is
.d.210316.001.
[
18]
M
.
R
a
ga
b,
A
.
A
L
-
G
ha
mdi
,
B
.
F
a
ki
e
h,
H
.
C
h
o
udhr
y
,
R
.
M
a
ns
our
,
a
nd
D
.
K
o
unda
l,
"
P
r
e
di
c
ti
o
n
of
di
a
be
te
s
th
r
o
ugh
r
e
ti
na
l
im
a
ge
s
us
in
g de
e
p n
e
ur
a
l
n
e
tw
o
r
k,”
C
om
put
at
io
nal
I
nt
e
ll
ig
e
nc
e
and N
e
ur
os
c
ie
n
c
e
, v
o
l.
2022, p
p. 1
-
6, 2022, d
oi
:
10.1155/2022/
78879
08.
[
19]
R
.
S
a
r
ki
,
K
.
A
hme
d,
W
.
W
a
ng,
Y
.
Z
ha
ng,
J
. M
a
a
nd
K
.
W
a
ng,
“
I
ma
ge
pr
e
p
r
o
c
e
s
s
in
g
in
c
la
s
s
if
i
c
a
ti
o
n
a
nd
id
e
nt
i
f
i
c
a
ti
o
n
of
di
a
be
ti
c
e
y
e
di
s
e
a
s
e
s
.”
D
at
a Sc
ie
nc
e
and E
ngi
ne
e
r
in
g
,
v
o
l.
6, n
o
. 4, pp.
455
-
471, 2021,
do
i
:
10.
1007/s
41019
-
021
-
00167
-
z.
[
20]
V
.
M
a
y
y
a
a
,
S
.
S
.
K
a
ma
th
,
a
nd
U
.
K
ul
ka
r
ni
,
“
A
ut
o
ma
t
e
d
mi
c
r
o
a
n
e
ur
y
s
ms
de
t
e
c
ti
o
n
f
or
e
a
r
l
y
di
a
gn
o
s
is
of
di
a
be
ti
c
r
e
ti
n
o
pa
t
h
y
:
a
c
o
mpr
e
h
e
ns
iv
e
r
e
v
i
e
w
,”
C
om
put
e
r
M
e
th
ods
and
P
r
ogr
am
s
in
B
io
m
e
di
c
in
e
U
pdat
e
,
vo
l.
1,
pp.
1
–
15,
2021,
doi
:
1
0.1016/j
.c
mpbup.2021.100013
.
[
21]
T
.
H
a
tt
i
y
a
,
K
.
D
it
ta
ka
n,
a
nd
S
.
M
us
ik
a
s
uw
a
n,
“
D
ia
be
ti
c
r
e
ti
n
opa
th
y
de
t
e
c
ti
o
n
us
in
g
c
o
n
vo
lu
ti
o
na
l
ne
u
r
a
l
ne
tw
o
r
k
:
a
c
o
mpa
r
a
ti
ve
s
tu
d
y
o
n di
f
f
e
r
e
nt
a
r
c
hi
t
e
c
tu
r
e
s
,”
E
ngi
ne
e
r
in
g A
c
c
e
s
s
,
v
o
l.
7, n
o
. 1, pp. 50
-
60, 2021, d
o
i
:
10.14456
/m
ij
e
t
.2021.8.
[
22]
M
.
M
.
I
s
la
ma
,
H
.
C
.
Y
a
ng,
T
.
N
.
P
ol
y
,
W
.
S
,
J
ia
ne
,
a
nd
Y
.
C
.
J
a
c
k
L
i,
“
D
e
e
p
le
a
r
ni
ng
a
lg
or
it
hms
f
o
r
d
e
t
e
c
ti
o
n
of
di
a
be
ti
c
r
e
ti
n
o
pa
th
y
in
r
e
ti
na
l
f
undus
phot
o
gr
a
phs
:
a
s
y
s
t
e
ma
ti
c
r
e
v
i
e
w
a
nd
me
ta
-
a
na
l
y
s
is
”
,
C
om
put
e
r
m
e
th
ods
and
pr
og
r
am
s
in
bi
o
m
e
di
c
in
e
,
v
ol
. 191, 2020, d
o
i:
10.1016
/j
.
c
mpb.2020.105320.
[
23]
R
.
S
a
r
ki
,
S
.
M
ic
ha
ls
ka
,
K
.
A
hme
d,
H
.
W
a
ng,
a
nd
Y
.
Z
ha
n
g,
“
C
o
n
vo
lu
ti
o
na
l
n
e
ur
a
l
n
e
tw
o
r
ks
f
o
r
mi
ld
di
a
b
e
ti
c
r
e
ti
n
o
p
a
th
y
de
t
e
c
t
i
o
n:
a
n e
x
p
e
r
i
me
nt
a
l
s
tu
d
y
,”
bi
oR
x
iv
, pp.1
-
18, 2019, d
o
i:
10.1101/763136.
[
24]
Q
.
J
i,
J
.
H
ua
ng,
W
.
H
e
,
a
nd
Y
.
S
un,
“
O
pt
im
iz
e
d
de
e
p
c
o
n
vo
l
ut
io
na
l
ne
u
r
a
l
n
e
tw
o
r
ks
f
or
id
e
nt
i
f
i
c
a
ti
o
n
of
ma
c
u
la
r
di
s
e
a
s
e
s
f
r
o
m
o
pt
i
c
a
l
c
o
he
r
e
n
c
e
t
o
m
o
gr
a
ph
y
i
ma
g
e
s
,”
A
lg
or
it
hm
s
,
vo
l.
12, n
o. 3, 2019, do
i:
10. 3390
/a
12030051.
[
25]
B
.
D
o
ng,
X
.
W
a
ng,
X
.
Q
ia
ng,
F
.
D
u,
L
.
G
a
o
,
Q
.
W
u,
G
.
C
a
o
,
a
nd
C
.
D
a
i,
“
A
mul
ti
-
br
a
nc
h
c
o
n
vo
lu
ti
o
na
l
ne
ur
a
l
n
e
tw
o
r
k
f
o
r
s
c
r
e
e
ni
ng
a
nd
s
ta
gi
ng
of
di
a
b
e
ti
c
r
e
ti
n
o
pa
th
y
ba
s
e
d
o
n
w
id
e
-
f
i
e
ld
o
pt
i
c
a
l
c
o
h
e
r
e
n
c
e
t
o
m
o
gr
a
ph
y
a
ngi
o
gr
a
ph
y
”
,
I
R
B
M
,
vo
l.
43
,
no
.
6, pp. 614
-
620, 2022, do
i
:
10.1016/j
.i
r
bm.
2022.04.004.
[
26]
V
.
D
e
e
pa
,
C
.
S
.
K
uma
r
,
a
nd
T
.
C
he
r
ia
n,
“
E
ns
e
mbl
e
of
mul
ti
-
s
ta
ge
de
e
p
c
o
n
vo
lu
ti
o
na
l
n
e
ur
a
l
n
e
tw
o
r
ks
f
or
a
ut
o
ma
t
e
d
gr
a
di
ng
of
di
a
be
ti
c
r
e
ti
n
o
pa
th
y
us
in
g
im
a
ge
pa
tc
h
e
s
,”
J
our
nal
o
f
K
in
g
Sau
d
U
ni
v
e
r
s
it
y
-
C
om
put
e
r
and
I
n
f
or
m
at
io
n
Sc
ie
nc
e
s
,
v
ol
.
34,
pp.
1
–
11, 2021, do
i:
10.1007/s
13246
-
022
-
01129
-
z.
[
27]
F
. S
a
e
e
d, M
.
H
us
s
a
in
a
nd H
. A
b
o
a
ls
a
mh, “
A
ut
o
ma
ti
c
di
a
b
e
ti
c
r
e
ti
n
o
pa
th
y
di
a
gn
o
s
is
us
in
g a
da
pt
iv
e
f
in
e
-
tu
ne
d
c
o
n
vo
lu
t
i
o
na
l
n
e
ur
a
l
ne
tw
o
r
k
”
,
I
E
E
E
A
c
c
e
s
s
,
v
o
l.
9, pp. 41344
-
41359, 2021, d
o
i:
10.
1109/a
c
c
e
s
s
.2021
. 3065273
.
[
28]
C
.
Y
.
T
s
a
i
e
t
al
.
,
“
N
e
c
e
s
s
it
y
of
l
oc
a
l
m
o
di
f
i
c
a
ti
o
n
f
or
d
e
e
p
le
a
r
ni
ng
a
lg
or
it
hms
t
o
pr
e
di
c
t
di
a
b
e
ti
c
r
e
t
in
o
pa
th
y
,”
I
nt
e
r
nat
i
onal
jo
ur
nal
of
e
n
v
ir
onm
e
nt
al
r
e
s
e
a
r
c
h and publi
c
he
al
th
,
v
o
l.
19, n
o
. 3, 2022, d
o
i:
10.3390
/i
je
r
ph19031204.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
De
tec
ti
on
o
f
di
abe
ti
c
r
e
ti
nopathy
and
c
las
s
if
icat
io
n
o
f
it
s
s
tages
by
…
(
Sac
hin
Gaur
)
1293
[
29]
N
.
L
i
e
t
al
.
,
“
A
s
tr
a
ti
f
i
e
d
a
na
l
y
s
is
of
a
d
e
e
p
le
a
r
ni
ng
a
lg
o
r
it
h
m
in
th
e
di
a
gno
s
is
of
d
ia
be
ti
c
r
e
ti
n
o
pa
th
y
in
a
r
e
a
l
-
w
o
r
ld
s
tu
d
y
,”
J
our
nal
of
D
ia
be
te
s
,
v
o
l.
14, n
o
. 2, pp. 111
-
120,
2022, d
o
i:
10.
1111/1753
-
0407.13241.
[
30]
A
. M
. F
a
y
y
a
z
, M
. I
.
S
ha
r
i
f
,
S
. A
z
a
m, A.
K
a
r
im
, a
nd
J
.
E
l
-
D
e
n,
“
A
na
l
y
s
is
of
di
a
be
t
ic
r
e
ti
n
o
pa
th
y
(
D
R
)
ba
s
e
d
o
n t
h
e
d
e
e
p l
e
a
r
ni
ng,”
I
nf
or
m
at
io
n
,
v
o
l.
14, n
o
. 1, 2023, d
o
i:
10.3390
/i
n
f
o
14010030.
[
31]
S
.
S
ubr
a
ma
ni
a
n,
a
nd
L
.
H
.
G
il
pi
n,
“
C
o
n
vo
lu
ti
o
na
l
n
e
ur
a
l
ne
tw
o
r
k
m
o
de
l
f
o
r
di
a
be
t
ic
r
e
ti
n
o
pa
th
y
f
e
a
tu
r
e
e
x
tr
a
c
ti
o
n
a
nd
c
la
s
s
if
i
c
a
ti
o
n
,”
ar
X
iv
, 2023, d
o
i:
10.48550/ar
X
i
v
.2310.10806.
B
I
OG
RA
P
HI
E
S
OF
AU
T
HO
RS
D
r
Sa
c
h
i
n
Ga
u
r
i
s
an
A
s
s
i
s
t
an
t
Pro
fe
s
s
o
r
at
t
h
e
B.
T
K
u
m
ao
n
I
n
s
t
i
t
u
t
e
o
f
T
e
ch
n
o
l
o
g
y
D
w
ara
h
at
,
D
i
s
t
t
A
l
m
o
ra
I
n
d
i
a.
H
e
h
o
l
d
s
a
Ph
.
D
.
,
2
0
1
8
i
n
Im
a
g
e
Pro
ce
s
s
i
n
g
fr
o
m
MN
N
I
T
A
l
l
a
h
ab
ad
,
In
d
i
a.
In
2
0
0
8
,
h
e
co
m
p
l
e
t
ed
h
i
s
p
o
s
t
g
rad
u
at
e
e
d
u
c
at
i
o
n
(M.
T
ec
h
)
fro
m
G
.
B
Pan
t
E
n
g
i
n
ee
r
i
n
g
Co
l
l
eg
e
Pau
r
i
G
arh
w
a
l
,
I
n
d
i
a
,
i
n
t
h
e
fi
el
d
o
f
D
i
g
i
t
al
Si
g
n
a
l
Pro
ce
s
s
i
n
g
an
d
g
rad
u
at
ed
i
n
Co
m
p
u
t
e
r
S
ci
e
n
ce
a
n
d
E
n
g
i
n
ee
r
i
n
g
fr
o
m
Co
l
l
eg
e
o
f
E
n
g
i
n
e
e
ri
n
g
Ro
o
rk
ee
i
n
2
0
0
3
.
H
i
s
re
s
e
ar
c
h
i
n
t
e
r
e
s
t
s
are
d
i
g
i
t
al
i
m
a
g
e
p
ro
ce
s
s
i
n
g
,
d
i
g
i
t
al
s
i
g
n
al
p
ro
ce
s
s
i
n
g
,
w
at
e
r
m
ark
i
n
g
t
ec
h
n
i
q
u
e
s
,
m
a
ch
i
n
e
l
e
arn
i
n
g
,
cl
o
u
d
co
mp
u
t
i
n
g
,
an
d
i
n
fo
r
m
at
i
o
n
s
ecu
ri
t
y
.
H
e
i
s
a
mem
b
e
r
o
f
t
h
e
IE
E
E
an
d
t
h
e
I
n
d
i
a
n
Sci
e
n
ce
co
n
g
res
s
.
H
e
h
as
w
o
rk
ed
i
n
e
d
u
c
at
i
o
n
s
i
n
c
e
2
0
0
3
.
H
e
c
a
n
b
e
c
o
n
t
ac
t
e
d
at
em
ai
l
:
e
rs
g
au
r1
2
3
4
@
g
m
a
i
l
.
co
m
.
A
n
i
r
u
d
h
Ka
n
dw
a
l
r
ece
i
v
e
d
t
h
e
B.
T
ec
h
.
d
eg
r
ee
i
n
Co
m
p
u
t
e
r
S
ci
e
n
ce
an
d
E
n
g
i
n
ee
r
i
n
g
fr
o
m
t
h
e
B.
T
.
K
u
m
ao
n
In
s
t
i
t
u
t
e
o
f
T
ec
h
n
o
l
o
g
y
,
D
w
ara
h
at
,
I
n
d
i
a
.
H
i
s
r
e
s
e
ar
ch
i
n
t
e
r
e
s
t
i
n
c
l
u
d
e
s
t
h
e
ap
p
l
i
c
at
i
o
n
o
f
art
i
fi
ci
al
i
n
t
e
l
l
i
g
en
ce,
co
m
p
u
t
e
r
v
i
s
i
o
n
,
me
d
i
c
al
i
m
a
g
e
an
al
y
s
i
s
,
an
d
m
a
c
h
i
n
e
l
e
ar
n
i
n
g
.
H
e
c
a
n
b
e
co
n
t
a
c
t
ed
at
em
ai
l
:
an
i
ru
d
h
k
an
d
w
a
l
1
2
3
@
g
m
a
i
l
.
c
o
m
.
Bh
a
s
k
a
r
P
a
n
dey
rece
i
v
e
d
t
h
e
B.
T
ech
.
d
e
g
r
ee
i
n
C
o
m
p
u
t
e
r
S
ci
e
n
ce
a
n
d
E
n
g
i
n
ee
r
i
n
g
fr
o
m
t
h
e
B.
T
.
K
u
m
ao
n
In
s
t
i
t
u
t
e
o
f
T
ec
h
n
o
l
o
g
y
,
D
w
ara
h
at
,
I
n
d
i
a
.
H
i
s
r
e
s
e
ar
ch
i
n
t
e
r
e
s
t
i
n
cl
u
d
e
s
p
at
t
e
rn
reco
g
n
i
t
i
o
n
an
d
me
d
i
c
al
i
m
ag
e
an
al
y
s
i
s
.
H
e
c
an
b
e
co
n
t
a
c
t
ed
at
em
ai
l
:
b
h
as
k
ari
n
d
i
ap
an
d
ey
@
g
m
ai
l
.
co
m
.
Evaluation Warning : The document was created with Spire.PDF for Python.