RUS  ENG
Полная версия
ЖУРНАЛЫ // Доклады Российской академии наук. Математика, информатика, процессы управления // Архив

Докл. РАН. Матем., информ., проц. упр., 2023, том 514, номер 2, страницы 169–176 (Mi danma462)

СПЕЦИАЛЬНЫЙ ВЫПУСК: ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И МАШИННОГО ОБУЧЕНИЯ

Разработка и тестирование автоматизированной системы анализа ОКТ изображений сетчатки

Л. Е. Аксеноваab, К. Д. Аксеновb, Е. В. Козинаa, В. В. Мясниковаa

a Краснодарский филиал ФГАУ НМИЦ МНТК "Микрохирургия глаза" им. акад. С.Н. Федорова Минздрава России, Краснодар, Россия
b ООО "Пространство интеллектуальных решений", Новороссийск

Аннотация: Неоваскулярная возрастная макулярная дегенерация (н-ВМД) представляет собой форму ВМД, которая является причиной большинства случаев тяжелой потери зрения. Анти-VEGF терапия, которая является “золотым стандартом” лечения данной патологии, сопровождается ОКТ мониторингом. Тем не менее данный процесс затруднен ввиду отсутствия методов точной количественной оценки ОКТ изображений. Целью настоящего исследования являются разработка и оценка точности автоматизированного расчета количественных характеристик биомаркеров PED, SRF и IRF. Нейронная сеть с архитектурой U-NET была обучена на наборе аннотированных вручную данных, который включал 385 ОКТ изображений. Dice coefficient, измеренный на валидационном наборе, составил 0.9, 0.72 и 0.69 для PED, SRF и IRF. Результаты количественного расчета данных биомаркеров статистически не отличались от измерений врача офтальмолога. Сравнение групп относительно анатомического исхода терапии показали, что высота, протяженность и площадь PED различны для групп с прилеганием и отсутствием прилегания PED, а высота PED, площадь PED и площадь IRF – для групп с отсутствием прилегания и разрывом PED. Таким образом, алгоритм количественного расчета биомаркеров позволяет получить больше информации для оценки результатов терапии, что может улучшить исходы лечения пациентов с н-ВМД.

Ключевые слова: офтальмология, искусственный интеллект, оптическая когерентная томография, глубокое обучение, сегментация, биомаркеры.

УДК: 004.93

Статья представлена к публикации: А. И. Аветисян
Поступило: 04.09.2023
После доработки: 08.09.2023
Принято к публикации: 24.09.2023

DOI: 10.31857/S2686954323601938


 Англоязычная версия: Doklady Mathematics, 2023, 108:suppl. 2, S310–S316

Реферативные базы данных:


© МИАН, 2024