Разработка и исследование алгоритмов анализа сигналов электроретонограммы для поддержки принятия решения врачом
Аннотация
Электоретинография является перспективным методом электрофизиологического тестирования, позволяющего диагностировать заболевания связанные с нарушениями сосудистых структур сетчатки зрительного анализатора. Классический анализ электроретинограммы строится на оценке 4 параметров в амплитудно-временном представлении и часто нуждается в конкретизации с использованием альтернативных методов диагностики. В настоящем исследовании предлагается использование оригинального алгоритма поддержки принятия решения врачом для диагностирования дистрофии сетчатки. Алгоритм построен на базе методов машинного обучения и использует параметры, извлеченные из вейвлет-скалограммы педиатрических и взрослых сигналов электроретинограммы. Также в исследовании используется размеченная база данных педиатрических и взрослых сигналов электроретинограммы, записанная с помощью компьютеризированной электрофизиологической рабочей станции EP-1000 (Tomey GmbH) в Екатеринбургском центре МНТК «Микрохирургия глаза». В результатах исследования показано, что предложенный алгоритм реализует классификацию взрослых сигналов электроретинограммы на 19% точнее и педиатрических сигналов на 20% точнее, чем классический алгоритм.
Electroretinography is a method of electrophysiological testing, which allows diagnosing diseases associated with disorders of the vascular structures of the retina. The classical analysis of the electroretinogram is based on the 4 parameters assessment in the amplitude-time representation and often needs to be specified using alternative diagnostic methods. This study proposes the use of an original physician decision support algorithm for diagnosing retinal dystrophy. The proposed algorithm based on machine learning methods and use parameters extracted from the wavelet scalogram of pediatric and adult electroretinogram signals. The study also uses a labeled database of pediatric and adult electroretinogram signals recorded using a computerized electrophysiological workstation EP-1000 (Tomey GmbH) at the IRTC Eye Microsurgery Ekaterinburg Center. The results of the study show that the proposed algorithm implements the classification of adult electroretinogram signals by 19% more accurately and pediatric signals by 20% more accurately than the classical algorithm.
Electroretinography is a method of electrophysiological testing, which allows diagnosing diseases associated with disorders of the vascular structures of the retina. The classical analysis of the electroretinogram is based on the 4 parameters assessment in the amplitude-time representation and often needs to be specified using alternative diagnostic methods. This study proposes the use of an original physician decision support algorithm for diagnosing retinal dystrophy. The proposed algorithm based on machine learning methods and use parameters extracted from the wavelet scalogram of pediatric and adult electroretinogram signals. The study also uses a labeled database of pediatric and adult electroretinogram signals recorded using a computerized electrophysiological workstation EP-1000 (Tomey GmbH) at the IRTC Eye Microsurgery Ekaterinburg Center. The results of the study show that the proposed algorithm implements the classification of adult electroretinogram signals by 19% more accurately and pediatric signals by 20% more accurately than the classical algorithm.