Демин Алгоритм сегментации и анализа отслойки пигментного эпителия

Р.Т. Самигуллин Н.Ю. Ильясова Д.В. Кирш Е.Ю. Зубкова Е.А. Замыцкий Н.С.

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 5 т.50, 2026 года.

Бесплатный доступ

В работе представлен алгоритм автоматической сегментации отслойки пигментного эпителия (PED) на изображениях оптической когерентной томографии (ОКТ) с последующей количественной оценкой её морфометрических характеристик. Для выделения области PED использована свёрточная нейронная сеть архитектуры U-Net, обученная на экспертно аннотированных ОКТ-В-сканах. Точность сегментации оценивалась с применением метрик Dice Score (Dice) и Intersection over Union (IoU) и показала высокое соответствие референсной разметке (Dice = 0,8614; IoU = 0,7590). На основе сегментированных данных выполнена трёхмерная реконструкция PED и реализован расчёт линейных размеров, площади и объёма с учётом метрологических параметров томографа. Оценка результатов показала, что суммарная относительная погрешность объёмных измерений не превышает 2 – 3 %. Предложенный подход обеспечивает объективную и воспроизводимую количественную оценку PED и может быть использован в клинических и исследовательских задачах.

отслойка пигментного эпителия (PED) \ оптическая когерентная томография (ОКТ) \ сегментация изображений \ глубокое обучение \ количественная оценка \ биомаркеры сетчатки \ анализ морфологии

Короткий адрес: https://sciup.org/140316975

IDS: 140316975   |   DOI: 10.18287/COJ2000

Algorithm for segmentation and analysis of pigment epithelial detachment

The paper presents an algorithm for automatic segmentation of pigment epithelial detachment (PED) in optical coherence tomography (OCT) images, followed by a quantitative assessment of its morphometric characteristics. A convolutional neural network with a U-Net architecture, trained on expert-annotated OCT-B scans, was used to highlight the PED area. Segmentation accuracy was assessed using the Dice Score and Intersection over Union (IoU) metrics and showed high correspondence with the reference annotation (Dice = 0.8614; IoU = 0.7590). Based on the segmented data, a three-dimensional reconstruction of the PED was performed and the linear dimensions, area, and volume were calculated, taking into account the metrological parameters of the tomograph. The error assessment showed that the total relative uncertainty of the volume measurements did not exceed 2–3%. The proposed approach provides an objective and reproducible quantitative assessment of PED and can be used in clinical and research tasks.