Аннотация. 

Разработан набор математических приемов и алгоритмов для диагностики раннего кератоконуса. Методы базируются на использовании оригинальных признаков, получаемых при распознавании поперечных оптических срезов роговицы на снимках Шаймпфлюг-камеры, используемой в приборе Pentacam (Oculus, Германия). В том числе, предложен метод вычисления радиуса кривизны границ роговицы, опирающийся на их аппроксимацию регрессионным сплайном со штрафной функцией. Предложено использование яркости стромы на цифровом снимке, в качестве характеризующего структуру признака — показателя интенсивности светорассеяния веществом роговицы, или индекса яркости роговицы. Построен классификатор, обеспечивающий разделимость классов 0 (норма) и 1 (ранний кератоконус) в двухмерном признаковом пространстве: позиция сочленения регулярной поверхности роговицы и зоны эктазии, индекс яркости роговицы. 

Ключевые слова: 

кератоконус, Шаймпфлюг-камера, Pentacam, кривизна роговицы, светорассеяние вещества роговицы, метод опорных векторов, классификация. 

Стр. 62-74.

DOI 10.14357/20718632200206 

 

 

 Литература

1.Аветисов С. Э. Кератоконус: современные подходы к изучению патогенеза, диагностике, коррекции и лечению //Вестник офтальмологии. – 2014. – Т. 130. – №. 6. – С. 37-43.

2. Rabinowitz Y. S. Keratoconus //Survey of ophthalmology. – 1998. – Т. 42. – №. 4. – С. 297-319.

3. Ramos-López D. et al. Screening subclinical keratoconus with placido-based corneal indices //Optometry and Vision Science. – 2013. – Т. 90. – №. 4. – С. 335-343.

4. Steinberg J. et al. Correlation of the KISA% index and Scheimpflug tomography in ‘normal’,‘ subclinical’,‘keratoconus‐suspect’and ‘clinically manifest’keratoconus eyes //Acta ophthalmologica. – 2015. – Т. 93. – №. 3. – С. e199-e207.

5. Vázquez P. R. R. et al. Pentacam Scheimpflug tomography findings in topographically normal patients and subclinical keratoconus cases //American journal of ophthalmology. – 2014. – Т. 158. – №. 1. – С. 32-40. e2.

6. Shetty R. et al. Keratoconus screening indices and their diagnostic ability to distinguish normal from ectatic corneas //American journal of ophthalmology. – 2017. – Т. 181. – С. 140-148.

7. Бикбов М. М. и др. Оценка значимости показателей проекционного сканирующего кератотопографа в диагностике субклинического кератоконуса //РМЖ. Клиническая офтальмология. – 2017. – Т. 17. – №. 3.

8. Canny J. A computational approach to edge detection //IEEE Transactions on pattern analysis and machine intelligence. – 1986. – №. 6. – С. 679-698.

9.Библиотека OpenCV. URL: https://opencv.org/ (дата обращения: 10.03.2020)

10. Библиотека ALGLIB. URL: http://www.alglib.net/ (дата обращения: 10.03.2020)

11. Bresenham J. E. Algorithm for computer control of a digital plotter //IBM Systems journal. – 1965. – Т. 4. – №. 1. – С. 25-30.

12. Cortes C., Vapnik V. Support-vector networks //Machine learning. – 1995. – Т. 20. – №. 3. – С. 273-297.

13. Проект scikit-learn. URL: https://scikit-learn.org/stable/ (дата обращения: 10.03.2020)

14. Наборы снимков Pentacam. URL: http://interzona.space/pub/kc-depersonalized/ (дата обращения: 10.03.2020)

15. Гридин В. Н., Бубнова И. А., Новиков И. А. Ранний кератоконус и развитые стадии заболевания. Дивергенция признаков и их потенциальная чувствительность при разработке систем машинной диагностики //Информационные технологии и математическое моделирование систем 2019. – 2019. – С. 35-39.

16. Гридин В.Н., Новиков И.А., Солодовников В.И., Труфанов М.И., Лебедев А.С., Бубнова И.А., Борисенко Т.Е. Ошибка вычисления локального радиуса кривизны передней поверхности роговицы по оптическим срезам, как самостоятельный диагностический признак кератоконуса (предварительное сообщение). // Медицина – 2019 Т.7. - №1- С.42-54

17. Lopes B. T. et al. Detection of ectatic corneal diseases based on pentacam //Zeitschrift für Medizinische Physik. – 2016. – Т. 26. – №. 2. – С. 136-142.

18. Аветисов С. Э. и др. О необходимости пересмотра интерпретации данных денситометрической оценки прозрачности роговицы //Вестник офтальмологии. – 2016. – Т. 132. – №. 6. – С. 20-28.