В УрФУ обучили нейросети находить болезни глаз с точностью до 97%

Ученые из Уральского Федерального университета (УрФУ), при участии коллег из Германии и Австралии, разработали набор данных для использования в нейронных сетях, который облегчит определение заболеваний глаз, способных привести к потере зрения, на основе снимков оптической когерентной томографии (ОКТ). Об этом сообщили представители Министерства образования и науки России, отметив, что проект был осуществлен при финансовой поддержке программы "Приоритет-2030".

Фото: unsplash.com by Jordan Whitfield is licensed under CC0 1.0 Universal Public Domain Dedication

Заболевания глаз и проблемы со зрением являются распространенными и часто остаются недиагностированными, что может привести к развитию слепоты. Поэтому важно своевременно выявлять их.

Обычно для диагностики используется метод ОКТ, который обеспечивает детальную визуализацию структур сетчатки. Ученые создали набор снимков различных заболеваний для обучения нейронных сетей. В результате получился второй по объему и первый по разнообразию заболеваний датасет в мире для таких целей.

"Набор данных включает в себя ОКТ-снимки пациентов с такими патологиями, как возрастная макулярная дегенерация, диабетический макулярный отек, изменения эпиретинальной мембраны, а также окклюзия артерий или вен сетчатки, и заболевание витреомакулярного интерфейса. Этот набор данных является первым в мире по количеству охваченных заболеваний ОКТ-снимков. Мы надеемся, что он способствует разработке более качественных и точных систем поддержки принятия решений в медицине, а также будет использоваться другими исследователями для создания более сложных моделей", — поделился деталями доцент кафедры информационных технологий и систем управления УрФУ, Василий Борисов.

Этот набор данных зарегистрирован, запатентован и доступен для загрузки. Он уже был протестирован на двух нейронных сетях.

"Например, для возрастной макулярной дегенерации мы достигли точности диагноза в 97%. Для окклюзии вен сетчатки эта точность составила 60-65%. Уровень точности зависит от распространенности конкретного заболевания — чем больше случаев для обучения сети, тем выше точность диагностики. Мы продолжим работать над этим, стремясь расширить базу данных и включить в нее редкие заболевания, такие как наследственные дистрофии сетчатки, ретинопатии недоношенных и другие заболевания, угрожающие зрению", — пояснил Борисов.

Этот новый набор данных поможет врачам быстрее определять состояние зрения пациента и своевременно начинать лечение.