Обработка большого массива данных с помощью искусственного интеллекта — перспективное направление в диагностике и мониторинге заболеваний, основанное на модернизации алгоритмов исследования имеющихся технологий. Интерес к исследованию нервных волокон роговицы (НВР) продиктован не только необходимостью изучения патогенеза и течения ряда глазных заболеваний, но и возможностью использования тонких немиелинизированных нервных волокон роговицы в качестве биомаркеров системных полинейропатий.

ЦЕЛЬ ИССЛЕДОВАНИЯ

Оценка предварительных результатов применения алгоритма анализа конфокальных снимков НВР на основе нейронной сети.

МАТЕРИАЛ И МЕТОДЫ

Сравнительное исследование НВР было проведено в группе из 50 здоровых добровольцев (100 глаз) в возрасте от 25 до 55 лет без сопутствующих глазных и общих заболеваний. Для оценки состояния НВР выполняли конфокальную микроскопию в центральной зоне роговицы. Последующий анализ и распознавание НВР в сравнительном плане производили с помощью оригинального программного обеспечения (Liner calculate, Liner 1.2S) и на основе разработанного алгоритма нейронной сети.

РЕЗУЛЬТАТЫ

Рассмотрены следующие подходящие для работы с данными изображениями энкодеры: ResNet_50, VGG_16 и InceptionResNetV2. В результате анализа полученных данных предпочтение, как наиболее качественным, было отдано изображениям, полученным после обработки энкодором VGG_16 в режиме Imagenet. Выявлена сопоставимость основных количественных характеристик состояния НВР (длина и плотность основных стволов, количество макрофагов, коэффициенты анизотропии и симметричности направленности), определяемых с помощью оригинального программного обеспечения и на основе разработанного алгоритма нейронной сети.

ЗАКЛЮЧЕНИЕ

Полученные данные свидетельствуют о перспективности использования нейронной сети (в частности, семейства энкодеров VGG_16) для структурной оценки НВР. К основным преимуществам предлагаемого алгоритма следует отнести повышение качества интерпретации изображений и сокращение времени исследования.