Мультиклассовая сегментация ранней и промежуточной форм возрастной макулярной дегенерации на снимках оптической когерентной томографии с использованием глубокого обучения
Аннотация
Данная работа посвящена одной из актуальных на сегодняшний день проблем – автоматизации диагностики офтальмологических заболеваний на снимках оптической когерентной томографии (ОКТ). Известно, что автоматизация диагностики решает ряд существующих проблем и сокращает время оценки и интерпретации снимков ОКТ, а также устраняет субъективность оценки, тем самым повышая качество диагностики.
Объектом исследования являются снимки оптической когерентной томографии глаза с ранней и промежуточной формами возрастной макулярной дегенерации.
Предмет исследования разработка алгоритма глубокого обучения для мультиклассовой сегментации «сухой» формы возрастной макулярной дегенерации.
Цель работы – разработать и протестировать модель нейронной сети, способную проводить мультиклассовую сегментацию ранней и промежуточной форм возрастной макулярной дегенерации на снимках оптической когерентной томографии глаза.
Научная новизна: в рамках работы впервые проведена мультиклассовая сегментация «сухой» формы ВМД на открытом наборе данных OCTDL с использованием сверточной глубокой нейронной сети UNet3+. Архитектура нейронной сети, решающая задачу мультиклассовой сегментации, была разработана на основе сверточной глубокой нейронной сети UNet3+ и обучена на открытом наборе данных OCTDL.
Практическая значимость работы заключается в том, что использование методов глубокого обучения для сегментации снимков ОКТ и классификации форм ВМД позволит диагностировать заболевание на ранней стадии и предотвратить его переход в более тяжелую форму. Также использование глубоких нейронных сетей сократит время обследования пациента врачом и снизит влияние субъективной оценки специалиста на постановку диагноза.
Объектом исследования являются снимки оптической когерентной томографии глаза с ранней и промежуточной формами возрастной макулярной дегенерации.
Предмет исследования разработка алгоритма глубокого обучения для мультиклассовой сегментации «сухой» формы возрастной макулярной дегенерации.
Цель работы – разработать и протестировать модель нейронной сети, способную проводить мультиклассовую сегментацию ранней и промежуточной форм возрастной макулярной дегенерации на снимках оптической когерентной томографии глаза.
Научная новизна: в рамках работы впервые проведена мультиклассовая сегментация «сухой» формы ВМД на открытом наборе данных OCTDL с использованием сверточной глубокой нейронной сети UNet3+. Архитектура нейронной сети, решающая задачу мультиклассовой сегментации, была разработана на основе сверточной глубокой нейронной сети UNet3+ и обучена на открытом наборе данных OCTDL.
Практическая значимость работы заключается в том, что использование методов глубокого обучения для сегментации снимков ОКТ и классификации форм ВМД позволит диагностировать заболевание на ранней стадии и предотвратить его переход в более тяжелую форму. Также использование глубоких нейронных сетей сократит время обследования пациента врачом и снизит влияние субъективной оценки специалиста на постановку диагноза.