Модель глубокого обучения с улучшенной интерпретацией для детекции патологических признаков возрастной макулярной дегенерации на ОКТ
Офтальмология. Восточная Европа · 01.06.2026 · 16 (2) · 152-159
DOI: 10.34883/pi.2026.16.2.027 ↗Kurz gefasst
Fachartikel in der Zeitschrift Офтальмология. Восточная Европа, erschienen am 01.06.2026. Verfasst von Ю.Н. Юсеф und 6 weiteren Autor:innen. Die Arbeit nennt 5 Literaturangaben.
Abstract (Originalsprache)
Введение. Автоматизированный анализ изображений оптической когерентной томографии (ОКТ) играет ключевую роль в ранней диагностике и мониторинге возрастной макулярной дегенерации (ВМД). Использование алгоритмов машинного обучения (искусственный интеллект – ИИ) открывает большие перспективы в ранней диагностике заболеваний сетчатки. Цель. Создание интерпретируемой модели глубокого обучения для детекции патологических признаков ВМД на срезах ОКТ. Материалы и методы. В отличие от традиционных методов, использующих жесткие бинарные метки, были применены мягкие метки (признаки ВМД), отражающие степень согласия врачей-экспертов при аннотировании. Это позволило учесть диагностическую неопределенность и снизить влияние межэкспертного разброса при аннотировании. Обучение проводилось на моделях семейства ResNet и ConvNeXtV2 Base и Large, предварительно предобученных на ImageNet (масштабная база данных аннотированных изображений, предназначенная для использования в исследованиях по распознаванию визуальных объектов. Содержит более 14 миллионов изображений высокого разрешения, охватывающих тысячи категорий объектов). Результаты. Результаты показали высокую эффективность модели: средние значения чувствительности – 0,877, специфичности – 0,966, F1-меры – 0,880. Особенно высокие показатели достигнуты для таких признаков, как интраретинальные кисты и отслойки (F1>0,90). Критически важным оказалось улучшение интерпретируемости: визуализация с помощью Grad-CAM продемонстрировала, что модель фокусируется на анатомически релевантных зонах патологии, а не на фоновых артефактах. Заключение. Предложенный подход повышает как точность, так и доверие к решениям модели, что делает ее перспективным инструментом для вспомогательной диагностики в клинической офтальмологии.
Introduction
Automated optical coherence tomography (OCT) image analysis plays a key role in the early diagnosis and monitoring of age-related macular degeneration (AMD). The use of machine learning algorithms (Artificial intelligence, AI) opens up great prospects in the early diagnosis of retinal diseases.
Purpose
Creation of an interpreted deep learning model for detecting pathological signs of AMD in OCT slices. Materials and methods. Unlike traditional methods using hard binary labels, soft labels (signs of AMD) were used, reflecting the degree of agreement of expert doctors during annotation. This made it possible to take into account diagnostic uncertainty and reduce the impact of cross-expert variation during annotation. The training was conducted on models from the ResNet and ConvNeXtV2 Base and Large families, pre-trained on ImageNet (a large-scale database of annotated images intended for use in research on visual object recognition. Contains more than 14 million high-resolution images covering thousands of object categories).
Results
The results showed high efficiency of the model: average values of sensitivity – 0.877, specificity – 0.966, F1-measures – 0.880. Especially high values were achieved for such signs as intraretinal cysts and detachment (F1>0.90). Improvement of interpretability was critically important: visualization using Grad-CAM demonstrated that the model focuses on anatomically relevant areas of pathology, rather than on background artifacts.
Conclusion
The proposed approach increases both the accuracy and confidence in the model’s solutions, which makes it a promising tool for auxiliary diagnostics in clinical ophthalmology.
Zitieren
APA
Юсеф, Ю., Бурсов, А., Плюхова, А., Барышев, К., Смолин, С., Сидамонидзе, А., & Старцев, Н. (2026). Модель глубокого обучения с улучшенной интерпретацией для детекции патологических признаков возрастной макулярной дегенерации на ОКТ. Офтальмология. Восточная Европа, 16(2), 152-159. https://doi.org/10.34883/pi.2026.16.2.027
Vancouver
Юсеф Ю, Бурсов А, Плюхова А, Барышев К, Смолин С, Сидамонидзе А, et al. Модель глубокого обучения с улучшенной интерпретацией для детекции патологических признаков возрастной макулярной дегенерации на ОКТ. Офтальмология. Восточная Европа. 2026;16(2):152-159. doi:10.34883/pi.2026.16.2.027
BibTeX
@article{2026,
author = {Юсеф, Ю.Н. and Бурсов, А.И. and Плюхова, А.А. and Барышев, К.В. and Смолин, С.A. and Сидамонидзе, А. and Старцев, Н.С.},
title = {Модель глубокого обучения с улучшенной интерпретацией для детекции патологических признаков возрастной макулярной дегенерации на ОКТ},
journal = {Офтальмология. Восточная Европа},
year = {2026},
volume = {16},
number = {2},
pages = {152--159},
doi = {10.34883/pi.2026.16.2.027}
}
EUVIMED