twitter
en ENGLISH
eISSN: 2719-3209
ISSN: 0023-2157
Klinika Oczna / Acta Ophthalmologica Polonica
Bieżący numer Archiwum Filmy Artykuły w druku O czasopiśmie Suplementy Rada naukowa Recenzenci Bazy indeksacyjne Prenumerata Kontakt Zasady publikacji prac Standardy etyczne i procedury
Panel Redakcyjny
Zgłaszanie i recenzowanie prac online
SCImago Journal & Country Rank
1/2024
vol. 126
 
Poleć ten artykuł:
Udostępnij:
streszczenie artykułu:
Artykuł przeglądowy

Automatyczne rozpoznanie wybranych chorób siatkówki na podstawie B-skanu OCT

Tomasz Marciniak
1
,
Agnieszka Stankiewicz
1

1.
Zakład Układów Elektronicznych i Przetwarzania Sygnałów, Instytut Automatyki i Robotyki, Politechnika Poznańska
KLINIKA OCZNA 2024, 126, 1: 8-15
Data publikacji online: 2023/04/19
Pełna treść artykułu Pobierz cytowanie
 
Metryki PlumX:
Celem pracy jest przedstawienie możliwości zastosowania technik sztucznej inteligencji do klasyfikacji zmian chorobowych tylnego odcinka oka, które są widoczne na przekrojach typu B OCT. Omówiono dostępne w sieci Internet bazy danych obrazów siatkówki, ze szczególnym uwzględnieniem baz przydatnych do nauki sztucznych sieci neuronowych, pozwalających dokonywać automatycznego procesu klasyfikacji. Przygotowano proste a jednocześnie przyjazne dla użytkownika oprogramowanie o nazwie „RePatClas”, które pozwala na samodzielne testowanie procesu klasyfikacji dla własnych zdjęć. Do wytrenowania modeli klasyfikacyjnych wykorzystano obrazy z ogólnodostępnej bazy LOCT (w wersji drugiej), która zawiera 84 485 obrazów czterech klas: CNV, DME, DRUSEN i NORMAL. Korzystanie z oprogramowania „RePatClas” zilustrowano przykładami. Przygotowane oprogramowanie pozwala zaznajomić się z tematyką aktualnych rozwiązań sztucznych sieci neuronowych.

This study aims to present the possibility of using artificial intelligence techniques to classify diseases of the posterior segment of the eye, which are visible on type B OCT cross-sections. The datasets of retinal images available on the Internet are discussed, with particular emphasis on datasets useful for learning artificial neural networks, allowing for the automatic classification process. A simple yet user-friendly software called RePatClas has been developed that allows one to test the classification process for individual photos. To train the classification models, images from the publicly available LOCT dataset (version two) were used, which contains 84485 images of four classes: CNV, DME, DRUSEN, and NORMAL. The use of the RePatClas software is illustrated with examples. The prepared software allows the reader to familiarize themselves with the topic of current artificial neural network solutions.
słowa kluczowe:

choroby siatkówki, neowaskularyzacja naczyniówkowa, cukrzycowy obrzęk plamki, druzy, badania przesiewowe, sztuczna inteligencja, klasyfikacja obrazów, głębokie uczenie

© 2024 Termedia Sp. z o.o.
Developed by Bentus.