Гармонизация изображений и автоматическая классификация плюс-болезни при ретинопатии недоношенных с помощью глубокого обучения

Цель: Ретинопатия недоношенных (РН) — сосудистое заболевание сетчатки, поражающее недоношенных детей и способное привести к слепоте в течение нескольких дней при отсутствии наблюдения и лечения. Одной из стадий РН, требующих пристального наблюдения и лечения, является плюс-болезнь, характеризующаяся усилением извитости и расширением сосудов заднего отдела сетчатки. Наблюдение за течением РН проводят с помощью регулярной визуализации, обычно используя дорогостоящее оборудование стоимостью от 50 до 140 тыс. долларов США, недоступное непосредственно в учреждениях с ограниченными ресурсами.

Методы: В рамках программы smartphone-ROP, предназначенной для направления пациентов к врачам-экспертам, фотографии глазного дна получают с помощью камер смартфонов и недорогих линз. Мы разработали методы автоматического определения плюс-болезни с использованием искусственного интеллекта: конвейер предварительной обработки улучшает визуализацию сосудов и гармонизирует изображения, после чего выполняется классификация с помощью глубокого обучения. Для бинарной классификации — плюс-болезнь или отсутствие плюс-болезни — использовали модель глубокого обучения GoogLeNet.

Результаты: После предварительной обработки контрастность сосудов повысилась на 90% по индексу улучшения контрастности. В рамках оценки качества изображений детские офтальмологи из США и Южной Америки, имевшие многолетний опыт диагностики РН и плюс-болезни, оценивали предварительно обработанные и исходные изображения. Все участвовавшие офтальмологи согласились или полностью согласились с тем, что предварительная обработка улучшает визуализацию сосудов. При использовании изображений, полученных с помощью различных смартфонов, гармонизированных посредством предварительной обработки, включая усиление сосудистого рисунка и нормализацию размера, и дополненных с использованием реалистичных преобразований, например поворота изображения, площадь под ROC-кривой для определения плюс-болезни на ограниченном наборе данных составила 0,9754.

Выводы: Полученные обнадёживающие результаты указывают на возможность разработки алгоритмов и программного обеспечения, которые позволят использовать изображения глазного дна, полученные с помощью мобильных телефонов, для определения стадии плюс-болезни.