А.Ю. Ионов1, Н.Ю. Ильясова2, Н.С. Демин3, К.Р. Доценко4, А.В. Золотарев5

1–3 Самарский национальный исследовательский университет им. академика С.П. Королева (г. Самара, Россия)
2,3 Институт систем обработки изображений, НИЦ «Курчатовский институт» (Москва, Россия)
4 Самарский государственный медицинский университет Минздрава России (г. Самара, Россия)
5 Самарская областная офтальмологическая больница им. Т.И. Ерошевского (г. Самара, Россия)
1 artem.ionov.96@mail.ru, 2 ilyasova.nata@gmail.com, 3 volfgunus@gmail.com, 4 khikamila@gmail.com,
5 avz65@mail.ru

Постановка проблемы. Возрастная макулярная дегенерация (ВМД) – одна из ведущих причин необратимой потери зрения у пожилого населения. Ранняя диагностика заболевания критически важна для предотвращения его прогрессирования. Однако визуальная оценка изображений оптической когерентной томографии (ОКТ), используемых для выявления признаков ВМД, требует высокой квалификации и значительных временных затрат со стороны офтальмолога. Это создает необходимость в автоматизированных методах анализа ОКТ-изображений, способных выявлять биомаркеры заболевания.

Цель. Разработать алгоритм на основе методов глубокого обучения для автоматического определения показаний к 2RT-лазерному лечению возрастной макулярной дегенерации на изображениях ОКТ с использованием сегментации и классификации структур сетчатки.

Результаты. Предложен метод, основанный на использовании двух архитектур глубокого обучения: U-Net – для сегментации структур сетчатки с точностью 85% и VGG16 – для классификации патологических признаков ВМД с точностью 92 %. Полученные результаты демонстрируют высокую эффективность такого подхода в задаче автоматического анализа медицинских изображений.

Практическая значимость. Разработанный алгоритм на основе искусственного интеллекта способствует стандартизации интерпретации изображений ОКТ, повышает точность и уверенность при определении биомаркеров ВМД, снижает нагрузку на врачей и расширяет доступ пациентов к индивидуализированным стратегиям лечения.

Ионов А.Ю., Ильясова Н.Ю., Демин Н.С., Доценко К.Р., Золотарев А.В. Автоматизированное определение показаний к 2RT-лазерному лечению по изображениям оптической когерентной томографии // Биомедицинская радиоэлектроника. 2025. T. 28. № 5. С. 137−140. DOI: https://doi.org/10. 18127/j156 04136-202505-27

1. Шадричев Ф.Е. Возрастная макулярная дегенерация // Современная оптометрия. 2008. № 6. С. 27–34.
2. Будзинская М.В. Возрастная макулярная дегенерация // Вестник офтальмологии. 2014. Т. 130. № 6. С. 56–61.
3. Аветисов С.Э., Егоров Е.А., Мошетова Л.К., Нероев В.В., Тахчиди Х.П. Офтальмология: нац. руководство. М.: ГЭОТАР-Медиа. 2014. 736 с.
4. Ilyasova N., Demin N. Application of artificial intelligence in ophthalmology for coagulate map formation to carry out laser eye treatment // In: Proceedings of the International Conference on Pattern Recognition. 2022. P. 387–402. DOI: 10.1007/978-3-031-37742-6_29.
5. Demin N.S., Ilyasova N.Yu., Paringer R.A., Kirsh D.V. Application of artificial intelligence in ophthalmology by the example of solving the problem of semantic segmentation of the ocular fundus image // Computer Optics. 2023. V. 47. № 5. P. 387–402. DOI: 10.18287/2412-6179-CO-1283.