Разработка алгоритма анализа ОКТ-изображений для дифференциальной диагностики отёка сетчатки на основе глубокого обучения
Автор: Демин Н.С., Ильясова Н.Ю., Замыцкий Е.А., Золотарев А.В., Кирш Д.В., Ионов А.Ю.
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 2 т.49, 2025 года.
Бесплатный доступ
Целью работы является разработка алгоритма дифференциальной диагностики отёка сетчатки, изучение методов глубокого обучения и их применение для анализа изображений. В работе исследовано применение свёрточных нейронных сетей для задачи семантической сегментации слоёв сетчатки глаза и доказана его эффективность при выделении двух выбранных слоёв (пигментного эпителия и сетчатки). Был реализован алгоритм классификации заболеваний, основанный на интеллектуальном анализе выделенных нейронной сетью слоёв. Приведено доказательство его применимости для дифференциальной диагностики отёка сетчатки. Точность предсказания заболевания составила 90 %.
Сегментация изображений, свёрточные нейронные сети, классификация изображений, оптическая когерентная томография, возрастная макулярная дегенерация, диабетический макулярный отёк
Короткий адрес: https://sciup.org/140310469
IDR: 140310469 | DOI: 10.18287/2412-6179-CO-1613
Development of an OCT image analysis algorithm for differential diagnosis of retinal edema based on deep learning
The aim of this work is to develop an algorithm for differential diagnosis of retinal edema and study deep learning methods and their application to image analysis. The application of convolutional neural networks for the task of semantic segmentation of retinal layers is investigated and its efficiency is proved for two selected layers (pigment epithelium and retina). An algorithm of disease classification based on the intellectual analysis of the layers selected by the neural network is implemented. A proof of its applicability for differential diagnostics of retinal edema is presented. The accuracy of disease detection amounts to 90%.
