AutoMorph: автоматизированная количественная оценка морфологии сосудов сетчатки с помощью конвейера глубокого обучения

Цель: Провести внешнюю валидацию конвейера глубокого обучения AutoMorph для автоматизированного анализа морфологии сосудов сетчатки по фотографиям глазного дна. AutoMorph находится в открытом доступе, что способствует широкому применению метода в исследованиях офтальмологических и системных заболеваний.

Методы: AutoMorph включает четыре функциональных модуля: предварительную обработку изображений, оценку их качества, анатомическую сегментацию (в том числе бинарную сегментацию сосудов, сегментацию артерий и вен, а также диска и экскавации зрительного нерва) и измерение показателей сосудистой морфологии. Для оценки качества изображений и анатомической сегментации применяются современные методы глубокого обучения. Для получения устойчивых результатов используется ансамбль моделей, а анализ уверенности предсказаний позволяет выявлять ошибочно отнесённые к пригодным для оценки изображения при оценке их качества. Внешнюю валидацию эффективности каждого модуля проводили на нескольких независимых общедоступных наборах данных.

Результаты: Архитектура EfficientNet-b4, использованная в модуле оценки качества изображений, продемонстрировала результаты, сопоставимые с лучшими современными методами, на наборе EyePACS-Q: F1-мера составила 0,86. Анализ уверенности снизил число изображений, ошибочно признанных пригодными для оценки, на 76%. При бинарной сегментации сосудов F1-мера составила 0,73 на наборе AV-WIDE и 0,78 на наборе DR HAGIS. При сегментации артерий и вен показатель составил 0,66 на наборе IOSTAR-AV, а при сегментации диска зрительного нерва — 0,94 на наборе IDRID. Измерения показателей сосудистой морфологии по карте сегментации AutoMorph и экспертной разметке продемонстрировали хорошее или отличное согласие.

Выводы: Модули AutoMorph демонстрируют высокую эффективность даже при наличии различий между данными внешней валидации и данными обучения, например при использовании других устройств визуализации. Таким образом, этот полностью автоматизированный конвейер позволяет подробно, быстро и комплексно анализировать морфологию сосудов сетчатки на цветных фотографиях глазного дна.

Трансляционная значимость: Открытый доступ к AutoMorph и его исходному коду призван способствовать исследованиям офтальмологических и системных заболеваний, особенно в развивающейся области окуломики.