Разработка модели классификации данных ОКТ для определения наличия и типа офтальмологических заболеваний

Оптическая когерентная томография (ОКТ) является важным инструментом в диагностике распространенных офтальмологических заболеваний, таких как возрастная макулярная дегенерация и диабетическая ретинопатия. Тем не менее, процессы анализа и интерпретации данных ОКТ представляют высокую сложность как в виду необходимости анализа большого количества данных и затраченного на исследования времени, так и пропуска незначительных и ранних признаков заболевания или редких патологий врачом офтальмологом. В настоящей работе предложен комплексный подход к разработке системы анализа изображений ОКТ на основе глубоких нейронных сетей. В частности, была проведена оценка производительности моделей на основе четырех архитектур нейронных сетей – ResNet50, VGG16, InceptionV4 и ResNet101. Результаты показывают, что модель на основе архитектуры ResNet50 позволяет достичь наибольшей доли правильно классифицированных изображений. Кроме того, внедрение разработанной модели в чат-бот позволяет существенно сократить время интерпретации ОКТ изображений, что может способствовать увеличению доступности предварительной диагностики и улучшению качества оказания медицинских услуг.