| Наименование РИД |
Способ автоматизированного определения патологических изменений макулярной области на основании анализа кросс-сканов оптической когерентной томографии с использованием искусственных нейронных сетей
|
| Реферат |
Изобретение относится к системам поддержки принятия врачебных решений в офтальмологии и может применяться для автоматизированного определения наличия и дифференциации патологических изменений в макулярной области на основании анализа массива кросс-сканов оптической когерентной томографии (ОКТ) с использованием искусственных нейронных сетей (ИНС). По результатам обследования пациентов формируют исходный набор кросс-сканов ОКТ размером 1645 × 641 пикселей, распределенных равномерно по 11 классам, где первый класс представлен сканами нормы, и десяти видов сканов по классам наиболее распространенных макулярных патологий, на которых размечают визуальные признаки патологий. Затем формируют массив файлов для валидации ИНС-модели, составляющий 20% от датасета, не участвующий в обучении. Проводят предобработку кросс-сканов, заключающуюся в вырезании из каждого изображения целевого информативного фрагмента размером 1440 × 600 пикселей, и используют полученный набор из 11 классов целевых фрагментов цветных изображений в качестве датасета для обучения ИНС-модели. Выполняют сканирование полученных информативных фрагментов кросс-сканов по вертикали, изменяя координату X от 1 до 1440, и выполняют обработку полученных файлов, а именно: разделяют полученный фрагмент на составляющие цвета - красный (Red), зеленый (Green), голубой (Blue), и формируют массив целых чисел, соответствующих цветам RGB каждого пикселя. Выполняют разметку полученной информации, заключающуюся в выборе из полученных записей только соответствующих какому-либо варианту нормы или патологии, с указанием класса патологии и значения координаты X, соответствующей данной патологии; проводят усреднение информации по цветам RGB с использованием базы, за которую принимают значение, равное 6 пикселям. Далее выбирают для каждого блока длиной в базу доминирующий цвет, и кодируют цвета, и по формуле выполняют усреднение. Затем формируют архитектуру ИНС-модели и проводят ее обучение. При обучении ИНС-модели применяют оптимизатор Adam, использующий среднее значение вторых моментов градиентов, получают после валидации ИНС-модели таблицу чередований доминирующих цветов и их длительностей, которая представляет собой информацию о виде аномалии (либо комбинации аномалий), ее размерах и координатах, и получают изображения нормы либо изображение с контурами макулярной патологии или комбинации патологий, в частности расположения, площади и количества признаков. Способ позволяет оптимизировать процесс принятия врачебных решений в офтальмологии за счет возможности обнаружения наличия не только макулярных патологий, но и их комбинаций, что способствует снижению врачебной нагрузки за счет точной постановки диагноза и отслеживания изменений в состоянии сетчатки для выбора оптимальной тактики лечения пациента. Использование динамичного шаблона позволяет учитывать все известные в настоящее время макулярные аномалии и их комбинации, координаты которых могут находиться на разной высоте снимка, а отсутствие необходимости использования CNN, что позволяет существенно уменьшить объем оперативной памяти и сделать изобретение более экономичным в вычислительном плане.
|
| Возможные направления использования |
Изобретение относится к медицине, а именно к системам поддержки принятия врачебных решений в офтальмологии, и может применяться для автоматизированного определения наличия и дифференциации патологических изменений в макулярной области на основании анализа массива кросс-сканов оптической когерентной томографии (ОКТ) с использованием искусственных нейронных сетей (ИНС
|
| Количество опытных образцов |
0
|
| Количество просмотров |
8
|
| Наличие дополнительных файлов |
False
|
| Использование РИД правообладателем |
False
|
| Внешнее использование РИД |
False
|
| НИОКТР (JSON) |
{}
|
| ИКСИ (JSON) |
[]
|
| ИКСПО (JSON) |
[]
|
| ОЭСР (JSON) |
[]
|
| Дата первого статуса |
2025-12-15T11:37:03.084951+00:00
|
| Предполагаемый тип результата |
Изобретение
|
| Ожидаемая роль |
Исполнитель
|
| Заказчик |
МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Руководитель работы |
Шпак Александр Анатольевич
|
| Руководитель организации |
Арсютов Дмитрий Геннадьевич
|
| Регистрационный номер НИОКТР |
124030400005-5
|
| Последний статус |
Подтверждена, 625121800133-0, 2025-12-18 10:30:57 UTC
|
| ОКПД |
Услуги, связанные с научными исследованиями и экспериментальными разработками в области медицинских наук
|
| Ключевые слова |
использование искусственных нейронных сетей; оптическая когерентная томография; анализ кросс-сканов; макулярная область; патологические изменения; автоматизированное определения
|
| Исполнители |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ УЧРЕЖДЕНИЕ "НАЦИОНАЛЬНЫЙ МЕДИЦИНСКИЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР "МЕЖОТРАСЛЕВОЙ НАУЧНО-ТЕХНИЧЕСКИЙ КОМПЛЕКС "МИКРОХИРУРГИЯ ГЛАЗА" ИМЕНИ АКАДЕМИКА С.Н. ФЕДОРОВА" МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Авторы |
Арзамасцев Александр Анатольевич; Фабрикантов Олег Львович
|
| Коды тематических рубрик |
76.29.56 - Офтальмология
|
| OESR |
Офтальмология
|
| Приоритеты научно-технического развития |
—
|
