Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (11.2019) : АННОТИРОВАННЫЙ АНАЛИЗ ДАННЫХ ТРЕХМЕРНОЙ ОПТИЧЕСКОЙ КОГЕРЕНТНОЙ ТОМОГРАФИИ СЕТЧАТКИ ДЛЯ СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ БАЗЫ ДАННЫХ

АННОТИРОВАННЫЙ АНАЛИЗ ДАННЫХ ТРЕХМЕРНОЙ ОПТИЧЕСКОЙ КОГЕРЕНТНОЙ ТОМОГРАФИИ СЕТЧАТКИ ДЛЯ СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ БАЗЫ ДАННЫХ

 

© 2019 г. Е. Ю. Малахова*, аспирант; Д. С. Мальцев**, канд. мед. наук; А. Н. Куликов**, доктор мед. наук; А. А. Казак**, студент

*   Институт физиологии им. И.П. Павлова Российской академии наук, Санкт-Петербург

** Военно-медицинская академия им. С.М. Кирова Министерства обороны Российской Федерации, Санкт-Петербург

E-mail: glaz.med@yandex.ru

УДК 617.735-007.23, 612.84, 004.932.1

Поступила в редакцию 10.08.2019

DOI:10.17586/1023-5086-2019-86-11-59-65

Оптическая когерентная томография — один из ключевых методов диагностики в офтальмологии, обладающий высоким потенциалом для применения автоматического анализа. В данной работе проведены сбор, разметка и анализ 44 трехмерных изображений оптической когерентной томографии, полученных у 39 пациентов, страдающих центральной серозной хориоретинопатией. Семантическая аннотация патологических изменений включает три класса: (1) отслойка нейроэпителия сетчатки, (2) альтерация пигментного эпителия сетчатки и (3) зона просачивания. Применены методы машинного обучения с целью различения классов 2 и 3 на основе яркостных характеристик изображений оптической когерентной томографии. Внутригрупповая кластеризация экземпляров классов показала, что выделение двух групп изменений в классе 2 может быть связано с различиями по объемной характеристике, в то время как яркостные характеристики в классе 3 существенно различаются в зависимости от возраста пациентов, что может использоваться при прогнозировании течения заболевания.

Ключевые слова: оптическая когерентная томография, сетчатка,  кластерный анализ, анализ трехмерных изображений, центральная серозная хориоретинопатия.

Коды OCIS: 110.4500, 110.2960, 170.5755, 170.4470

 

Литература

1.         Huang D., Swanson E.A., Lin C.P., et al. Optical coherence tomography // Science. 1991. V. 254. № 5035. P. 1178–1181.

2.         Maltsev D.S., Kulikov A.N., Chhablani J. Topography-guided identification of leakage point in central serous chorioretinopathy: A base for fluorescein angiography-free focal laser photocoagulation // British J. Ophthalmology. 2018. № 102. P. 1218−1225.

3.         Мальцев Д.С., Куликов А.Н., Чхаблани Д. и др. Навигационная фокальная лазерная коагуляция точки просачивания при центральной серозной хориоретинопатии без флюоресцентной ангиографии // Вестник офтальмологии. 2018. № 134. C. 15−24.

4.         Daruich A., Matet A., Dirani A., et al. Central serous chorioretinopathy: Recent findings and new physiopathology hypothesis // Progress in Retinal and Eye Research. № 48. P. 82−118.

5.         Fujimoto H., Gomi F., Wakabayashi T., et al. Morphologic changes in acute central serous chorioretinopathy evaluated by Fourier-domain optical coherence tomography // Ophthalmology. 2008. V. 115. № 9. P. 1494−1500.

6.         Kim H.C., Cho W.B., Chung H. Morphologic changes in acute central serous chorioretinopathy using spectral domain optical coherence tomography // Korean J. Ophthalmology. 2012. V. 26. № 5. P. 347−354.

7.         De Fauw J., Ledsam J.R., Romera-Paredes B., et al. Clinically applicable deep learning for diagnosis and referral in retinal disease // Nature Medicine. 2018. V. 24. № 9. P. 1342–1350.

8.        Vondrick C., Patterson D., Ramanan D. Efficiently scaling up crowdsourced video annotation // Internat. J. Computer Vision. 2013. V. 101. № 1. P. 184−204.

9.         Куликов А.Н., Малахова Е.Ю., Мальцев Д.С. Искусственный интеллект и машинное обучение в диагностике центральной серозной хориоретинопатии на основании оптической когерентной томографии // Офтальмологические ведомости. 2019. № 1. С. 15−22.

 

 

Полный текст