Данная работа посвящена исследованию проблемы генерации синтетических данных для обучения нейронной сети в контексте разработки программы-ассистента для врачей офтальмологов. Основная цель проекта заключается в ускорении процесса диагностики состояния пациентов на основе анализа глазных сосудов с использованием нейронной сети, обученной на синтетических данных. В рамках исследования рассматриваются методы генерации синтетических данных, а также проводится оценка качества итогового алгоритма. В работе проведен анализ проблем разных цветовых пространств и были сделаны соответствующие выводы. В работе был также предложен метод генерации случайного графа, созданием случайного дерева и последующим построением интерполянта на его основе. Были решены проблемы с резкими перепадами цветов путём интерполяции цвета между несколькими пикселями. Разработанный метод генерации показывает картинку, очень похожую по качеству детализации на реальные данные. Доказано, что её дальнейшее использование улучшает качество итоговой модели.

This study is dedicated to investigating the problem of generating synthetic data for training a neural network in the context of developing an assistant program for ophthalmologists. The main objective of the project is to accelerate the process of diagnosing patients conditions based on the analysis of retinal vessels using a neural network trained on synthetic data. The research examines methods of generating synthetic data and evaluates the quality of the final algorithm. The study conducted an analysis of issues related to different color spaces and drew corresponding conclusions. Additionally, a method for generating a random graph through the creation of a random tree and subsequent interpolation was proposed. Problems with sharp color transitions were addressed by interpolating colors between multiple pixels. The developed generation method produces images with a level of detail very similar to real data. It has been demonstrated that its further usage improves the quality of the final model.