Детальная информация

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.

Оптическая когерентная томография (ОКТ) является 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.

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. — Электрон. журнал. — Периодичность: 4 раза в год. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. Т. 17, № 3: Тематический сборник "Решение прикладных задач методами искусственного интеллекта", 2024. — 1 файл (12,6 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j24-421.pdf>.