АНАЛИЗ ПЛОЩАДИ ПАТАЛОГИЙ НА СРЕЗАХ ОПТИЧЕСКОЙ КОГЕРЕНТНОЙ ТОМОГРАФИИ СЕТЧАТКИ ГЛАЗА

ANALYSIS OF THE AREA OF PATHOLOGIES ON SLICES OF OPTICAL COHERENCE TOMOGRAPHY OF THE RETINA

Vadim Nepomnyaschii

Student, Department innovation and integrated quality systems, Saint-Petersburg State University of Aerospace Instrumentation,

Russia, Saint-Petersburg

АННОТАЦИЯ

Существующие методы обработки оптической когерентной томографии сетчатки глаза позволяют врача работать только с последовательностью двухмерных изображений, поэтому мы будем определять проекцию, в которой патологии имеют наибольшую площадь.

ABSTRACT

Existing methods of processing optical coherence tomography of the retina allow the doctor to work only with a sequence of two-dimensional images, therefore we will determine the projection in which pathologies have the largest area.

Ключевые слова: оптическая когерентная томография; искусственный интеллект; инновационные методы; патологии сетчатки глаза, площадь патологий в разных проекциях.

Keywords: optical coherence tomography; artificial intelligence; innovative methods; retinal pathology, the area of pathologies in different projections.

Оптическая когерентная томография (ОКТ) - это метод неинвазивного исследования тонких слоёв кожи, слизистых оболочек, глазных и зубных тканей человека [1].

Основной принцип действия ОКТ аналогичен ультразвуковому исследованию, но вместо акустических волн используется оптическое излучение ближнего инфракрасного диапазона (~1 мкм). Таким образом, методика ОКТ позволяет получать изображения внутренней структуры изучаемого объекта с высоким разрешением [1].

Применение ОКТ в офтальмологии позволило получить важную информацию относительно строения сетчатки глаза и её патологических изменениях. Например, ОКТ используется для диагностики глазных заболеваний, таких как глаукома, дегенерация сетчатки, макулярная дистрофия и другие [2].

Кроме того, ОКТ используется для контроля эффективности проводимого лечения. С помощью данного метода врач может оценить изменения в структуре глаза после применения определенной терапии. Это позволяет контролировать прогресс заболевания и корректировать лечебные мероприятия при необходимости [2].

ОКТ также используется для планирования хирургических вмешательств. Он предоставляет подробную информацию о состоянии глаза и его структур, что позволяет врачу более точно определить необходимость и методы хирургического вмешательства.

В общем, ОКТ - это мощный инструмент для диагностики и лечения различных заболеваний глаза. Благодаря этому методу, врачи могут рано выявлять патологии, контролировать эффективность лечения, планировать хирург.

Так как сканы являются трехмерными изображениями, а специалисты вынуждены работать с двумерными срезами был проведен анализ оптимальной плоскости, в которой патологии являются более заметными. У каждого пациента были выделены следующий параметры:

• диаметр каждой патологии;
• площадь, которую занимает данная патология;
• глубина расположения патологии.

Все параметры выделены в трех проекциях vertical, horizontal, top.

На рисунке 6 рассмотрим плоскости, о которых мы говорили. В данном случае оранжевая плоскость является top срезами, зеленая vertical срезами, синяя horizontal срезами.

Рисунок 1. Плоскости трехмерного изображения

В нашем распоряжении есть сканы ОКТ и файлы аннотаций на которых специалисты отметили зоны патологий, проанализируем срез скана и маску, полученную в ходе чтения файла аннотации. Которые были взяты из [3]

В наших файлах аннотаций присутствует три вида патологий.

• отслойка нейроэпителия сетчатки (НЭС)
• альтерация пигментного эпителия сетчатки (ПЭС)
• зона просачивания

Все эти патологии присущи одному и тому же заболеванию центральная серозная хориоретинопатия. Это заболевания заднего сегмента глаза характеризующееся локальной потерей барьерных функций пигментным эпителием сетчатки (ПЭС) на фоне гиперперфузии сосудистой оболочки с последующим накоплением жидкого экссудата под сетчаткой. Ранее диагностика и лечение данного заболевания были затруднительны, но благодаря ОКТ все сильно изменилось [3].

Рассмотрим то как выглядит каждая из представленных патологий.

Рисунок 2. Пример патологий [3]

На рисунке 6 (a) мы можем увидеть две патологии. Звездочкой обозначена зона отслойки НЭС а стрелками точки просачивания. На рисунке 6 (б) мы также видим отслойку НЭС, но стрелки уже указывают на альтерации ПЭС [12]

Сравним параметры площади всех патологий в каждой из проекций.

Для расчета площади патологий воспользуемся языком Python и библиотекой openCv. Рассчитывать площадь будем на основе контуров наших патологий с помощью функции boundingRect(). Она позволит нам получить ограничивающий прямоугольник вокруг объекта. Затем мы сможете вычислить площадь этого прямоугольника, умножив его ширину на высоту. Таким образом мы получаем следующие результаты:

В проекции top площадь патологии для отслойки НЭС находится в пределах от 0.01 до 0.19, для точек просачивания от 0.073 до 0.22, для альтерации ПЭС от 0.00058 до 0.038.

В проекции vertical площадь патологии для отслойки НЭС находятся в пределах от 0.0027 до 0.012, для точек просачивания в переделах от 0.00077 до 0.047, для альтерации ПЭС в пределах от 0.0005 до 0.0023.

 В проекции horizontal площадь патологии для отслойки НЭС находятся в пределах от 0.0043 до 0.014, для точек просачивания в переделах от 0.0014 до 0.054, для альтерации ПЭС в пределах от 0.00092 до 0.0048.

Усредним эти значения чтобы понять с какой из проекции нам будет работать проще. Результаты можно увидеть в таблице 1.

Таблица 1.

Площади патологий в разных проекциях

Получаем что в плоскости top нам будет легче всего выделить патологии, так как относительно других проекций в ней все патологии имеют большую площадь.

Список литературы:

1. Оптическая когерентная томография глаза [Электронный ресурс] URL: https://lasik.ru/services/diagnostika/opticheskaya-kogerentnaya-tomografiya- glaza/ (Дата обращения: 10.12.2023)
2. Окт: Оптическая когерентная томография в медицине [Электронный ресурс] URL: https://alfacasting.ru/faq/okt-opticeskaya-kogerentnaya-tomografiya-v-medicine (Дата обращения: 13.12.2023)
3. Малахова Е.Ю., Мальцев Д.С., Куликов А.Н., Казак А.А. Оптический журнал том 86. Аннотированный анализ данных трехмерной оптической когерентной томографии сетчатки для создания интеллектуальной базы данных. – 2019 – P. 60-64.