Диагностика гипертонической ретинопатии с помощью микроскопа и моделей глубокого обучения
Введение
Гипертоническая ретинопатия (HR) — это поражение сетчатки, вызванное артериальной гипертензией, которое при отсутствии своевременной диагностики и лечения может привести к полной потере зрения. Традиционные методы анализа изображений сетчатки требуют значительных временных затрат и подвержены ошибкам, что делает актуальным разработку автоматизированных систем диагностики.
Цель исследования
Целью данной работы является разработка и оценка эффективности метода автоматического выявления и классификации HR с использованием глубокого обучения на основе архитектур U-Net и Dense-Net.
Методы
Предложенный метод включает несколько этапов:
- Предобработка: Применение фильтра Габора для улучшения видимости сосудистой сети.
- Сегментация сосудов: Использование U-Net для выделения сосудистой сети на изображении.
- Классификация артерий и вен (A/V): Применение Dense-Net для разделения сосудов на артерии и вены.
- Расчет артериовенозного соотношения (AVR): Определение ширины сосудов и вычисление AVR — ключевого параметра для диагностики и классификации HR.
Результаты
Метод продемонстрировал высокую точность на наборе данных AVRDB: 99,40% для классификации HR и 99,77% для определения степени тяжести. Это подтверждает его эффективность для клинического применения.
Выводы
Предложенный подход на основе U-Net и Dense-Net позволяет автоматизировать процесс диагностики и классификации HR с высокой точностью. Это может значительно сократить время анализа и минимизировать ошибки, связанные с ручной оценкой, что делает его перспективным для внедрения в клиническую практику.
Термины и сокращения
- HR (Hypertensive Retinopathy): Гипертоническая ретинопатия.
- AVR (Arteriovenous Ratio): Артериовенозное соотношение.
- U-Net: Архитектура сверточной нейронной сети для сегментации изображений.
- Dense-Net: Архитектура глубокого обучения с плотными соединениями между слоями.
- AVRDB: Набор данных для оценки артериовенозного соотношения.