Разработка модели классификации данных ОКТ для определения наличия и типа офтальмологических заболеваний.

Л.Е. Аксенова (1), К.Д. Аксенов (1), А.В. Присяжнюк (1), В.В. Мясникова (2,1), А.В. Красов (3).

(1) ООО Пространство интеллектуальных решений, Новороссийск, Российская Федерация.

(2)  Майкопский государственный технологический университет, Майкоп, Российская Федерация.

(3) Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, Санкт-Петербург, Российская Федерация.

axenovalubov@gmail.com

Аннотация.

Оптическую когерентную томографию, ОКТ, считают важным инструментом в диагностике распространенных офтальмологических заболеваний, таких как возрастная макулярная дегенерация и диабетическая ретинопатия.

Тем не менее, процессы анализа и интерпретации данных ОКТ представляют высокую сложность как в виду необходимости анализа большого количества данных и затраченного на исследования времени, так и пропуска "незначительных" и ранних признаков заболевания или редких патологий врачом офтальмологом.

В настоящей работе предложен комплексный подход к разработке системы анализа изображений ОКТ на основе глубоких нейронных сетей.

В частности, была проведена оценка производительности моделей на основе четырех архитектур нейронных сетей - ResNet50, VGG16, InceptionV4 и ResNet101.

Результаты показывают, что модель на основе архитектуры ResNet50 позволяет достичь наибольшей доли правильно классифицированных изображений.

Кроме того, внедрение разработанной модели в чат-бот позволяет существенно сократить время интерпретации ОКТ изображений, что может способствовать увеличению доступности предварительной диагностики и улучшению качества оказания медицинских услуг.

Ключевые слова: искусственный интеллект, офтальмология, модели машинного обучения, архитектуры нейронных сетей, сверточные нейронные сети, оптическая когерентная томография, чат-бот

Финансирование.

Исследование выполнено при поддержке гранта Фонда содействия инновациям по результатам конкурса Старт-23-1 (очередь II), проект Интеллектуальная система анализа данных ОКТ EyeTech, договор No 5064ГС1/89527 от 30.10.2023.

Для цитирования.

Аксенова Л.Е. и др. Разработка модели классификации данных ОКТ для определения наличия и типа офтальмологических заболеваний // Информатика, телекоммуникации и управление. 2024. Т. 17, № 3. С. 103–113. DOI: 10.18721/JCSTCS.17310

---

Development of an OCT data classification model for determining the presence and type of ophthalmic diseases.

L.E. Aksenova (1), K.D. Aksenov (1) , A.V. Prysyazhnyuk (1), V.V. Myasnikova (2,1), A.V. Krasov (3)

(1) LLC Predict space, Novorossiysk, Russian Federation.

(2) Maykop State Technological University, Maykop, Russian Federation.

(3) Bonch-Bruevich St. Petersburg State University of Telecommunications, St. Petersburg, Russian Federation.

Abstract.

Optical Coherence Tomography, OCT, is an important tool in the diagnosis of common ophthalmological diseases, such as age-related macular degeneration and diabetic retinopathy.

However, the processes of analyzing and interpreting OCT data are highly complex due to the need to process a large amount of data and the time spent on research, as well as the ophthalmologist's failure to recognize minor or early signs of the disease or rare pathologies.

This paper proposes a comprehensive approach to the development of an OCT image analysis system based on deep neural networks.

In particular, the performance of models based on four neural network architectures - ResNet50, VGG16, InceptionV4, and ResNet101 - was evaluated.

The results show that the model based on the ResNet50 architecture achieves the highest proportion of correctly classified images.

Furthermore, the integration of the developed model into a chatbot significantly reduces the time needed to interpret OCT images, which can contribute to increased availability of preliminary diagnostics and improved quality of medical services.

Keywords: artificial intelligence, ophthalmology, machine learning models, neural network architectures, convolutional neural networks, optical coherence tomography, chatbot

Acknowledgements: The research was financially supported by a grant from the Foundation for Assistance to Small Innovative Enterprises in Science and Technology (FASIE) based on the results of the “Start-23-1 (stage II)” competition, the project “Intelligent system for OCT data analysis EyeTech” (agreement No. 5064GS1/89527 dated October 30, 2023).

Citation: Aksenova L.E., Aksenov A.K., Prysyazhnyuk A.V., et al. Development of an OCT data classification model for determining the presence and type of ophthalmic diseases. Computing, Telecommunications and Control, 2024, Vol. 17, No. 3, Pp. 103–113. DOI: 10.18721/JCSTCS.17310

---

Читай Статью infocom.spbstu.ru

Ссылка на Статью infocom.spbstu.ru/article/2024.82.10

Смотри сайт Пространство интеллектуальных решений. Компания разработчик решений на основе технологий искусственного интеллекта для офтальмологии.

Информационный партнер predictspace.com Электронное СМИ офтальмлогический портал Орган зрения organum-visus

Материал для публикации на портале Орган зрения любезно предоставила Аксенова Любовь Евгеньевна.

Материал подготовил Голубев Сергей Юрьевич, врач-офтальмолог, кандидат медицинских наук, руководитель электронного СМИ офтальмологический портал Орган зрения organum-visus