Approach to Designing CV Systems for Medical Applications: Data, Architecture and AI

2025.

Рябцев Д. И., Vasilyev Boris, Шершаков С. А.

В данной статье представлена инновационная программная система для анализа изображений глазного дна, которая намеренно отходит от традиционного подхода к скринингу и не предсказывает конкретные диагнозы. Вместо этого наш метод имитирует диагностический процесс, тщательно анализируя как нормальные, так и патологические особенности структур глазного дна, оставляя право принятия окончательного решения в руках медицинских работников. Наша инициатива направлена на удовлетворение потребности в объективном клиническом анализе, а также на автоматизацию и улучшение клинического процесса анализа изображений глазного дна. Система, начиная с ее общей архитектуры и заканчивая модульной структурой анализа на основе моделей искусственного интеллекта (ИИ), легко вписывается в офтальмологическую практику. Наш уникальный подход использует сочетание современных методов глубокого обучения и традиционных алгоритмов компьютерного зрения для обеспечения полного и комплексного анализа структур глазного дна. Мы представляем оригинальный подход к разработке медицинских приложений, используя нашу систему в качестве наглядного примера. Результаты всесторонней проверки и валидации демонстрируют эффективность нашего подхода в революционном анализе глазных днов, что может найти применение в различных областях медицины.

Ключевые слова: искусственный интеллект, принятие решений, public health, общественное здоровье, medical imaging, deep learning, глубокое обучение, decision support, ophthalmology, офтальмология, Retina, медицинская визуализация, artificial intelligence, fundus, macula, глазное дно, сетчатка, макула