Скрининг и классификация изображений с офтальмопатологией

Наименование РИД	Скрининг и классификация изображений с офтальмопатологией
Реферат	Программа предназначена для автоматизированной бинарной классификации снимков (например, на наличие катаракты и нормы) с использованием методов глубокого обучения, позволяющая повысить точность и скорость диагностики. Предобработка данных включает: аугментацию изображений (повороты, сдвиги, изменение яркости) для увеличения разнообразия обучающей выборки и нормализацию значений пикселей. Архитектура модели основана на использовании предобученной нейросетевой архитектуры EfficientNetB0 в качестве базовой модели с добавлением кастомных слоев (GlobalAveragePooling2D, Dense, Dropout) для адаптации под задачу бинарной классификации и сигмоидной функции активации на выходном слое (1 нейрон, так как задача бинарная). Обучение модели представляет собой двухэтапный процесс: заморозка слоев базовой модели и дообучение головной части, затем тонкая настройка (fine-tuning) части слоев, а также применение callback-функций (EarlyStopping, ModelCheckpoint) для контроля процесса обучения. Для оценки результатов используются метрики: Accuracy, AUC-ROC, Precision, Recall и визуализация Grad-CAM для интерпретации областей, влияющих на предсказание модели. Программа демонстрирует высокую точность классификации (Accuracy > 90% на тестовой выборке). Визуализация Grad-CAM подтверждает, что модель фокусируется на клинически значимых областях. Применение аугментации данных и transfer learning позволило добиться устойчивости к вариациям входных изображений. Разработанная программа может быть использована в качестве вспомогательного инструмента для скрининга катаракты, а также для классификации изображений с другими офтальмопатологиями, сокращая время диагностики и снижая нагрузку на врачей. Программа реализована на языке Python с применением библиотек TensorFlow и Keras. Тип ЭВМ: IBM PC-совместимый ПК. ОС: Windows.
Возможные направления использования	Программа предназначена для использования в медицине, а именно в офтальмологии.
Количество опытных образцов	1
Количество просмотров	3
Наличие дополнительных файлов	False
Использование РИД правообладателем	False
Внешнее использование РИД	False
НИОКТР (JSON)	{}
ИКСИ (JSON)	[]
ИКСПО (JSON)	[]
ОЭСР (JSON)	[]
Дата первого статуса	2026-01-09T09:11:12.741195+00:00
Предполагаемый тип результата	Программа для ЭВМ
Ожидаемая роль	Исполнитель
Заказчик	МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Руководитель работы	Шпак Александр Анатольевич
Руководитель организации	Арсютов Дмитрий Геннадьевич
Регистрационный номер НИОКТР	124030400005-5
Последний статус	Подтверждена, 626011300283-0, 2026-01-13 07:35:27 UTC
ОКПД	Услуги, связанные с научными исследованиями и экспериментальными разработками в области медицинских наук
Ключевые слова	искусственный интеллект; классификация изображений; скрининг; аугментация изображений; офтальмопатология
Исполнители	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ УЧРЕЖДЕНИЕ "НАЦИОНАЛЬНЫЙ МЕДИЦИНСКИЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР "МЕЖОТРАСЛЕВОЙ НАУЧНО-ТЕХНИЧЕСКИЙ КОМПЛЕКС "МИКРОХИРУРГИЯ ГЛАЗА" ИМЕНИ АКАДЕМИКА С.Н. ФЕДОРОВА" МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Авторы	Кужавская Ольга Алексеевна; Усов Александр Валерьевич; Кулагина Елена Валерьевна
Коды тематических рубрик	76.29.56 - Офтальмология
OESR	Офтальмология
Приоритеты научно-технического развития	в) переход к персонализированной, предиктивной и профилактической медицине, высокотехнологичному здравоохранению и технологиям здоровьесбережения, в том числе за счет рационального применения лекарственных препаратов (прежде всего антибактериальных) и использования генетических данных и технологий;