Новости

30.10.2024

Новая архитектура глубоких нейронных сетей разработана специально для сегментации глазных структур человека

В мире растущих технологий и улучшения медицинской диагностики важность точных методов анализа физиологических данных становится все более актуальной. В этом контексте специалисты Санкт-Петербургского государственного университета ИТМО в сотрудничестве с компанией Видеомикс представили результаты своего исследования, посвященного проблеме сегментации зрачка и радужной оболочки глаза на изображениях, полученных с помощью инфракрасной камеры комплекса бесконтактной регистрации окуломоторной активности МИКС ГТ.

В рамках работы была предложена новая архитектура глубоких нейронных сетей, разработанная специально для сегментации глазных структур человека. Ключевым элементом этой архитектуры является уникальная функция потерь, которая позволяет значительно повысить точность и эффективность обучения модели. Это имеет важное значение для медицинских приложений, где точность сегментации может существенно повлиять на результаты диагностики и последующего лечения. Кроме того, исследователи создали специализированный набор данных, на котором были проведены эксперименты для обучения и оценки производительности предложенной модели. Это позволило нам провести всесторонний сравнительный анализ различных методов сегментации, что является важным шагом в обеспечении надежных и действенных инструментов для медицинской визуализации.

Результаты экспериментов показали, что предложенная архитектура глубоких нейронных сетей превосходит другие исследуемые подходы, демонстрируя высокие показатели производительности, соответствующие уровню новейших современных методов сегментации глазных структур. Это открывает новые горизонты для применения технологий машинного обучения в области офтальмологии и других смежных дисциплинах, где важна точная и быстрая обработка медицинских изображений. Специалисты надеются, что результаты их работы будут способствовать дальнейшему развитию технологий анализа медицинских данных и улучшат методы диагностики заболеваний глаз, обеспечивая врачей более точными инструментами для принятия обоснованных клинических решений. Ожидается, что в будущем эта работа вдохновит новые исследования и разработки в области компьютерного зрения и медицинской информатики.