Detekce a lokalizace retinálních patologií

Abstract

Cílem této práce je navrhnout, vyvinout a implementovat systém pro detekci a lokalizaci patologických nálezů v sítnici oka pomocí moderních metod zpracování obrazu a strojového učení. K dosažení účinné léčby je důležité správně a včas diagnostikovat dané onemocnění a jeho stav. K tomu je navržen systém založený na architektuře UNet. Naučený model poté dokáže s určitou jistotou predikovat binární obrazy obsahující potenciální segmentované patologie. Navržený algoritmus poté určí jejich velikost a vzdálenost k fyziologickým bodům sítnice. Proveditelnost zvoleného řešení je ověřena implementací experimentu s anotovanými daty. Tato práce představuje nové možnosti v oblasti diagnostiky onemocnění sítnice oka s využitím natrénovaných modelů a webové aplikace. V případě dalšího rozvoje má tento přístup v budoucnu potenciál k využití oftalmology pro diagnostiku a určení rozsahu patologických změn v sítnici oka.

The aim of this work is to design, develop and implement a system for detection and localization of pathological findings in the retina of the eye using modern image processing and machine learning methods. To achieve effective treatment, it is important to diagnose the disease and its condition correctly and early. For this purpose, a system based on the UNet architecture is proposed. The learned model can then predict binary images containing potential segmented pathologies with some confidence. The proposed algorithm then determines their size and distance to physiological points of the retina. The feasibility of the chosen solution is verified by implementing an experiment with annotated data. This work presents new possibilities in the field of retinal disease diagnosis using trained models and a web application. If further developed, this approach has the potential to be used by ophthalmologists in the future to diagnose and determine the extent of pathological changes in the retina of the eye.