Сегментация рубцов и жидкости на снимках оптической когерентной томографии с использованием FASTER R-CNN

Abstract

Данная работа исследует мультиклассовую сегментацию жидкости и рубцов на снимках оптической когерентной томографии с использованием модели нейронной сети на базе архитектуры Faster RCNN. Работа акцентирует внимание на значимости точной сегментации указанных структур для диагностики офтальмологических заболеваний, таких как макулярная дистрофия и отслойка сетчатки. Разработка эффективных методов автоматизированной сегментации позволит улучшить качество диагностики, ускорить процесс обработки изображений и повысить эффективность лечения пациентов. Такой подход является ключевым в современной медицине, где точность и скорость диагностики играют важную роль.

This work explores multiclass segmentation of fluid and scars in optical coherence tomography images using a neural network model based on the Faster RCNN architecture. The work focuses on the importance of accurate segmentation of these structures for the diagnosis of ophthalmological diseases, such as macular degeneration and retinal detachment. The development of effective automated segmentation methods will improve the quality of diagnosis, speed up image processing and increase the efficiency of patient treatment. This approach is key in modern medicine, where the accuracy and speed of diagnosis play an important role.