Аналіз зображень сітківки ока для діагностики діабетичної ретинопатії
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Басараб М.Р. Аналіз зображень сітківки ока для діагностики діабетичної ретинопатії. - Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії в галузі знань 15 “Автоматизація та приладобудування” за спеціальністю 153 “Мікро- та наносистемна техніка”. - Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського”, м. Київ, 2025.
Дисертаційна робота присвячена вирішенню науково - прикладної проблеми розробки методів та моделей глибокого навчання для аналізу цифрових зображень сітківки ока з метою діагностики діабетичної ретинопатії (ДР), що дозволяє підвищити точність класифікації стадії розвитку захворювання (а саме: відсутність діабетичної ретинопатії, легка стадія діабетичної ретинопатії, помірна стадія діабетичної ретинопатії, важка стадія діабетичної ретинопатії та проліферативна стадія діабетичної ретинопатії) та прийняття лікарем клінічних рішень в галузі офтальмології. У дисертаційній роботі проаналізовано сучасні методи обробки та аналізу цифрових зображень сітківки ока, включаючи традиційні підходи та технології глибокого навчання, а також існуючі програмні рішення для діагностики діабетичної ретинопатії. Виконано огляд існуючих методів сегментації цифрових зображень, визначення діагностичних ознак судинних структур, класифікації стадій діабетичної ретинопатії з використанням методів машинного навчання. Проведено дослідження особливостей аналізу цифрових зображень очного дна, включаючи формування набору ознак, виявлення патологічних змін та використання архітектур нейронних мереж для автоматизованої діагностики діабетичної ретинопатії. Зокрема, запропоновано комплексний підхід до аналізу судин сітківки ока, що включає сегментацію мережі судин сітківки ока, виявлення мікроаневризм та крововиливів, а також побудову моделей на основі нейронних мереж для класифікації стадій діабетичної ретинопатії. Запропоновано комплексний метод аналізу судинних структур цифрових зображень сітківки ока, що ґрунтується на алгоритмах сегментації та класифікації з використанням глибоких моделей машинного навчання. Запропоновані методи дозволяють виділити патологічні ділянки, такі як мікроаневризми, крововиливи та неоваскуляризацію на цифрових зображеннях сітківки ока, що є важливими для ранньої діагностики діабетичної ретинопатії. Здобувачем використано різні типи моделей машинного навчання, які апробовано на публічно доступних базах даних ретинографічних зображень та які продемонстрували ефективність у задачах класифікації діабетичної ретинопатії. У даній дисертаційній роботі створено програмне забезпечення (ПЗ) для реалізації інформаційної системи підтримки прийняття діагностичного рішення лікарем - офтальмологом на основі запропонованих підходів, що об’єднують методи формування ознак для машинного навчання і моделі нейронних мереж. Розроблене програмне забезпечення може бути інтегроване в заклади охорони здоров’я і є гнучким та адаптивним з практичної точки зору до різноманітних форматів цифрових зображень сітківки ока. Наукова новизна одержаних результатів визначається наступними теоретичними і практичними результатами, отриманими автором:
- Набув подальшого розвитку метод аналізу цифрових зображень сітківки ока в оптико-електронній біомедичній офтальмоскопічній системі для виявлення діабетичної ретинопатії та визначення її стадії, що ґрунтується на комбінованому підході, що включає в себе перетворення аналізованого цифрового зображення за допомогою запропонованих методів фільтрації й підвищення контрастності зображення, аналіз сегментованих судинних структур і ексудатів, а також гібридне поєднання ознак зі згорткових нейронних мереж та локальних метрик, отриманих з зображення сітківки ока пацієнта, що дозволяє виділити на цифрових зображеннях судинну мережу та мікроаневризми, діагностично важливі ексудати та крововиливи на ранній стадії захворювання.
- Запропоновано математичну модель для оцінювання стану судин дна ока та виявлення ранніх ознак діабетичної ретинопатії, яка включає розроблений набір діагностичних показників (довжина всіх судин та середня ширина судин, гладкість мережі судин, середня яскравість зображення оптичного диска, а також п’ять текстурних ознак ексудатів і дисперсію ширини судин), що дозволяє підвищити точність класифікації зображень очного дна у нормі та з наявністю патології порівняно зі загальноприйнятими методами, що не враховують детальну судинну та текстурну інформацію сітківки ока. - Розроблено додаткові діагностичні критерії, а саме комплексний ризик-показник та показник структурної нерегулярності судин для оцінювання станів діабетичної ретинопатії на межі норми й патології. Ці критерії дозволяють кількісно визначати ступінь прогресування ретинопатії та завчасно виявляти зміну судинних характеристик, відсутніх або ледь помітних при традиційному візуальному аналізі.
- Запропоновано гібридну модель глибокої нейронної мережі для автоматизованого розпізнавання стадій діабетичної ретинопатії за зображеннями очного дна, отриманими оптико-електронною біомедичною офтальмоскопічною системою, що дозволяє поєднати запропонований набір показників стану судин очного дна та високорівневе представлення з глибокої згорткової нейронної мережі з метою виявлення патологічних змін, характерних для різних стадій діабетичної ретинопатії.
- Розроблено інформаційно-алгоритмічне забезпечення оптико-електронної біомедичної офтальмоскопічної системи для автоматизованого аналізу та класифікації цифрових зображень сітківки ока для виявлення діабетичної ретинопатії та визначення її стадії на основі розвинутого методу аналізу цифрових зображень сітківки ока і розробленої гібридної архітектури нейронної мережі, що дозволяє підвищити ефективність обробки цифрових зображень очного дна.
- Розроблено програмне забезпечення для аналізу зображень очного дна та визначення стадії діабетичної ретинопатії, яке відрізняється комплексним застосуванням методів обробки цифрових зображень (покращення контрастності цифрових зображень очного дна, адаптивна сегментація, екстракція судин та ексудатів) та запропонованої гібридної архітектури глибокої нейронної мережі.
- Доведено до рівня практичної реалізації веб-застосунок на основі розробленого інформаційно-алгоритмічного забезпечення оптико-електронної біомедичної офтальмоскопічної системи, що забезпечує врахування одночасно морфологічних та текстурних характеристик судинної мережі очного дна й ексудатів.
- Розроблено елементи інтерфейсу веб-застосунку, що дозволяють фахівцям-офтальмологам взаємодіяти з результатами роботи інформаційно-алгоритмічного забезпечення оптико-електронної біомедичної офтальмоскопічної системи, зокрема візуалізовувати та аналізувати нанесені на цифрові зображення очного дна теплові карти градієнтно зваженого відображення активації класів, які виділяють області аналізованого ретинографічного зображення, що найбільше впливають на рішення моделі глибокого навчання, а також оцінювати стадію діабетичної ретинопатії, спираючись на кількісні показники (довжина й ширина судин, ексудати, ризик-показник, тощо).
Результати дисертаційної роботи використані та впроваджені в Комунальному некомерційному підприємстві “1 Територіальне Медичне Об’єднання м. Львова”, а
саме в відокремленому підрозділі «Лікарня святого Луки» Міжнародного Медичного Центру «Мікрохірургія ока», що підтверджується відповідними актами та довідками про впровадження.
Опис
Ключові слова
діабетична ретинопатія, зображення очного дна, діабет, сітківка ока, кровоносні судини, розпізнавання патологій ока, офтальмоскопія, оптична когерентна томографія, біомедична інформація, діагностика, діагностичні показники, охорона здоров’я, біомедичні зображення, біомедичні прилади та системи діагностики, цифрова обробка, попередня обробка зображень, аналіз медичних зображень, аналіз медичних даних, медична візуалізація, медичні технології, сегментація зображень, фільтрація, машинне навчання, штучний інтелект, нейронні мережі, глибоке навчання, класифікація, моделі, класифікаційні моделі, ансамблеві методи, визначення стадії захворювання, прогнозування, набір ознак, програмне забезпечення, оптико-електронна біомедична офтальмоскопічна система, diabetic retinopathy, fundus images, diabetes, retina, blood vessels, eye pathology recognition, ophthalmoscopy, optical coherence tomography, biomedical information, diagnostics, diagnostic indicators, healthcare, biomedical images, biomedical diagnostic devices and systems, digital processing, image preprocessing, medical image analysis, medical data analysis, medical visualization, medical technologies, image segmentation, filtering, machine learning, artificial intelligence, neural networks, deep learning, classification, models, classification models, ensemble methods, determination of, disease stage, prediction, feature set, software, optoelectronic biomedical ophthalmoscopic system
Бібліографічний опис
Басараб, М. Р. Аналіз зображень сітківки ока для діагностики діабетичної ретинопатії : дис. ... доктора філософії : 153 – Мікро- та наносистемна техніка / Басараб Марко Романович. – Київ, 2025. – 170 с.