СЕГМЕНТАЦИЯ СТРУКТУРНЫХ КОМПОНЕНТОВ АТЕРОСКЛЕРОТИЧЕСКИХ БЛЯШЕК B ИЗОБРАЖЕНИЯХ ОПТИЧЕСКОЙ КОГЕРЕНТНОЙ ТОМОГРАФИИ СПРИМЕНЕНИЕМ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ

Аннотация:

Цель. Разработка оптимального метода автоматизированной сегментации структурных компонентов атеросклеротических бляшек в изображениях оптической когерентной томографии (OKT) с использованием ансамбля нейросетевых моделей глубокого обучения, основанного на сравнении девяти архитектур искусственных нейронных сетей. Материал и методы .B исследовании использовался многопрофильный набор данных ОКТ, полученных в результате обследования 103 пациентов. Каждый сеанс OKT был аннотирован в виде набора двумерных бинарных масок, соответствующих пиксельным границам четырех ключевых морфологических особенностей бляшек: сосудистый просвет, фиброзная покрышка, липидное ядро и микрососуды. Для сегментации анатомических структур были применены девять моделей глубокого машинного обучения, включая U-Net, DeepLabV3 и др. Гиперпараметры моделей настраивали с использованием байесовской оптимизации, а оценку производительности выполняли при помощи метрики Dice Similaritv Coefficient (DSC). Результаты .Модели продемонстрировали высокую точность сегментации для сосудистого просвета (DSC: 0,987), умеренную точность для фиброзной покрышки (DSC: 0,736) и липидного ядра (DSC: 0,751). Сегментация микрососудов оказалась более сложной задачей, конечная точность по метрике DSC составила 61%. Взвешенный ансамбль моделей, учитывающий неравномерное представление различных морфологических структур и уверенность моделей, достиг среднего уровня DSC 88,2%, что значительно улучшило общую точность по сравнению с индивидуальными моделями. Полученное значение точности превышает показатели всех индивидуальных моделей, включая максимальные значения DSC 0,784 (для микрососудов) и 0,751 (для липидного ядра), что указывает на устойчивое улучшение точности сегментации при интеграции моделей. Заключение .Исследование подтверждает эффективность предложенной стратегии сегментации атеросклеротических бляшек в ОКТ-изображениях, основанной на использовании специализированных моделей для различных морфологических особенностей и взвешенного ансамбля, адаптированного к неравномерному представлению различных морфологических структур и морфологической сложности. Данный подход позволил достичь высокой точности сегментации несмотря на выраженное неравенство представления классов. Представленные результаты могут способствовать развитию методов поддержки принятия решений в кардиологии, направленных на повышение точности диагностики и улучшение лечения сердечно-сосудистых заболеваний.

Авторы:

Издание: Кардиология
Год издания: 2025
Объем: 11с.
Дополнительная информация: 2025.-N 9.-С.45-55. Библ. 41 назв.
Просмотров: 0