Применение сверточных нейронных сетей для определения эндотелиальной дистрофии Фукса

Цель. Оценить применение сверточных нейронных сетей для автоматического определения дистрофии Фукса. Материал и методы. Была произведена выборка случайных (n=700) биомикроскопических снимков роговицы, полученных при помощи эндотелиального микроскопа (Tomey EM-3000), из базы данных Санкт-Петербургского филиала «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова». На первом этапе выполнялось разделение снимков на 2 группы. Первая группа включала в себя снимки с наличием дистрофии Фукса, вторая - норму или другую патологию. Снимки плотности эндотелиальных клеток были разделены на три категории: тренировочный, валидационный и тестовый наборы данных. В нашем исследовании были протестированы различные архитектуры сверточных нейронных сетей: ResNet18, ResNet50, VGG16, VGG19 и GoogleNet. Результаты. В результате апробации нейронной сети на тестовой выборке получены следующие значения F-метрики для различных архитектур нейронных сетей: ResNet18: 0,985; ResNet50: 1,000; VGG16: 0,940; VGG19: 0,990; GoogleNet: 0,987. Сеть ResNet50 показала лучший результат при использовании предобученной сети на данных ImageNet с замороженными слоями, оптимизатором Adam, кросс-энтропией в качестве функции потерь и шагом обучения 0,000005. Заключение. Применение сверточных нейронных сетей для автоматического определения дистрофии Фукса может быть успешно реализовано в составе системы поддержки принятия решения врача. ResNet50 показала лучшие результаты среди всех типов архитектур и на тестовой выборке не выдала ни одной ошибки, что говорит о высокой эффективности применения данной сети в алгоритме классификации снимков эндотелия роговицы.