СПОСОБ ДИАГНОСТИКИ ПАТОЛОГИИ ЗРИТЕЛЬНОГО НЕРВА

Изобретение относится к области медицинских информационных систем, а именно к скрининговым системам диагностики, разрабатываемым на основе нейросетевых технологий, может быть использовано при построении автоматизированной диагностической аппаратуры патологии зрительного нерва.

Известен способ диагностики (патент РФ 2134054), при котором диагностика патологии зрительного нерва заключена:

- в получении изображения глазного дна пациента;

- в обработке изображения глазного дна пациента и построении расчетных диаграмм распределения трех основных цветов по N-градациям яркости;

- в сравнении полученных параметров диаграмм распределения трех основных цветов с усредненными параметрами эталонных диаграмм распределения трех основных цветов последовательно для каждой из патологий;

- в выборе патологии по максимуму подобия критериев расчетных диаграмм распределения трех основных цветов в изображении глазного дна исследуемого пациента критериям усредненных эталонных диаграммам распределения трех основных цветов известных патологий. В случае частичного совпадения параметров диагноз определяется по сумме параметров, наиболее близко совпадающих с параметрами усредненных диаграмм, принятых за эталон. При этом выдается список предполагаемых диагнозов.

Однако с помощью данного метода обследования, как правило, окончательный диагноз устанавливается врачом из списка предполагаемых диагнозов, в котором находятся три или более диагноза заболевания, в том числе один и тот же диагноз, но с различной степенью поражения зрительного нерва.

Техническим результатом является повышение точности диагностики различных патологий глазного нерва и обеспечение возможности постановки более сложного диагноза, учитывающего как причины заболевания, так и степень поражения зрительного нерва.

Технический результат достигается тем, что в способе диагностики патологии зрительного нерва, заключающемся в выборе патологии по максимуму подобия параметров расчетных диаграмм распределения трех основных цветов в изображении диска зрительного нерва исследуемого пациента параметрам усредненных эталонных диаграмм распределения трех основных цветов известных патологий, согласно изобретению первоначально формируют по всем патологиям с разными степенями поражения зрительного нерва представительную выборку больных с установленным диагнозом, получают данные клинических обследований каждого больного из этой выборки (~240 параметров), у каждого больного производят съемку диска зрительного нерва, полученные изображения обрабатывают и определяют параметры распределения трех основных цветов в изображении диска зрительного нерва, по этим данным и данным клинических обследований создают и обучают ряд нейронных сетей для определения причины и степени поражения зрительного нерва, затем у пациента проводят аналогичные обследования, вектор параметров распределения трех основных цветов в изображении зрительного нерва и данные клинического обследования пациента подаются на вход ансамбля ранее обученных нейронных сетей, задействованных по выбранному алгоритму постановки диагнозов патологий зрительного нерва, и, в зависимости от выходов нейронных сетей ансамбля, осуществляют формирование диагноза патологии зрительного нерва.

Алгоритм постановки диагнозов патологий зрительного нерва приведен в таблице.

На Фиг.1 приведена структурная схема формирования диагноза патологии зрительного нерва, на Фиг.2 приведено цифровое изображение диска зрительного нерва пациента А, на Фиг.3 приведен результат компьютерной обработки цифрового изображения диска зрительного нерва пациента А.

Способ осуществляется следующим образом.

Производится съемка глазного дна пациента с помощью фундус-камеры, оснащенной цифровым фотоаппаратом или видеоадаптером на базе пассивной зарядовой связи матрицы. Пациент обследуется сидя, подбородком и лбом опираясь о подголовник. Взгляд пациента фиксируется на специальную вспыхивающую точку, позиция которой контролируется врачом для получения четкого изображения глазного дна.

Для осуществления способа по всем патологиям с разными степенями поражения зрительного нерва предварительно формируют представительную выборку больных, с установленным диагнозом, подтвержденным другими методами диагностики (визометрией, периметрией и др.). Проводят клинические обследования каждого пациента, производят съемку глазного дна, полученные изображения диска зрительного нерва обрабатывают и определяют параметры распределения трех основных цветов в изображении диска зрительного нерва. На базе полученных данных и данных других клинических обследований пациента создают и обучают нейронные сети 1-5 (Фиг.1).

Идея использования нейронных сетей возникла в результате попыток смоделировать поведение живых существ, воспринимающих воздействие внешней среды и обучающихся на собственном опыте.

Ключевым понятием нейронных сетей является понятие модели нейрона - модели специальных нервных клеток способных воспринимать, преобразовывать и распространять сигналы.

Нейрон имеет несколько каналов ввода информации - дендриты, и один канал вывода информации - аксон. Аксоны нейрона соединяются с дендритами других нейронов с помощью синапсов. Через синапсы сигнал передается другим нейронам, которые, в свою очередь, могут возбуждаться или, наоборот, оказываться в состоянии торможения.

Объединенные между собой нейроны образуют нейронную сеть, с математической точки зрения задающую сложное многомерное преобразование, собранное из простейших преобразователей.

Любая нейронная сеть состоит из входного слоя независимых переменных и выходного слоя, нелинейно зависимого от значений входных переменных, т.е. нейронная сеть имеет так называемую архитектуру.

Текущее состояние отдельного нейрона определяется формулой

.

где w(i,0) - пороговое значение возбуждения или активации. Нейрон возбуждается, когда суммарный уровень сигналов, пришедших в него, превышает пороговое значение возбуждения;

w(i,j) - вес синаптических связей, положительные значения соответствуют возбуждающим синапсам, отрицательные значения - тормозящим синапсам;

x(j), j=1, 2, … N - входные сигналы, подаваемые на нейрон. Преобразование сигнала производится следующим образом.

а) последовательно для каждого нейрона сети вычисляется значение активации;

б) берется взвешенная сумма выходов элементов предыдущего слоя и вычитается пороговое значение;

в) затем значение активации преобразуется с помощью передаточной функции;

г) в результате получается выход нейрона, поступающий на вход нейронов, с которыми он связан.

В настоящее время создание и обучение нейронных сетей осуществляется специальным программным обеспечением (ПО).

В это ПО загружаются статистическая информация I(m,n), сформированная на основе представительной выборки больных с установленным диагнозом, данные клинических обследований каждого из больного, параметры изображения диска зрительного нерва и соответствующие этим статистическим данным коды диагнозов F(k).

Где m - количество параметров, полученных при обработке данных для одного больного;

n - количество наблюдений в выборке;

k - количество кодов диагнозов.

Оператор ПО определяет тип нейронных сетей, которые могут быть использованы для решения задачи классификации, их количество и качество их обучения, и дает команду для начала работы по созданию нейронных сетей.

Вначале для обучения нейронных сетей вся статистическая информация I(m,n) (по каждому коду диагнозов F(k) отдельно) разбивается на две части:

обучающую и контрольную выборку. Контрольная выборка, в свою очередь, тоже делится на две части - контрольную и тестовую выборки.

Первоначально для обучения на вход нейронной сети подается обучающая выборка с известными результатами, т.е. величины I(m,n) ⇒F(k). Специальное ПО, меняя синаптические веса и значения порога активации для каждого нейрона, тип нейронных сетей и количество используемых нейронов, находит как можно более точное приближение функции F(k).

По контрольной выборке - экзаменуется построенная сеть. При этом определяется ошибка обучения, и если ошибка обучения превышает заданную, то вновь производится изменение синаптических весов и значений порогов активации или производится изменение типа и архитектуры сети.

По тестовой выборке, не участвующей в процессе создания и настройки сети, осуществляется окончательный экзамен качества построенной сети, когда результат, полученный с помощью созданной и обученной нейронной сети, сравнивается с известным диагнозом.

В процессе создания и обучения нейронной сети осуществляется и оптимизация используемой статистической информации I(m,n) с исключением из нее неинформативных параметров.

Таким образом, создается и обучается нейронная сеть 1, предназначенная для решения задачи классификаций патологий на группы.

Обучив первую сеть, разделяющую болезни на группы, аналогичным образом обучают и сети, производящие внутригрупповую классификацию. Для их обучения берутся болезни только соответствующих групп.

Для определения причины поражения зрительного нерва для каждой патологии создается и обучается своя нейронная сеть типа 2 или 4.

Для определения степени поражения зрительного нерва для каждой патологии создается и обучается своя нейронная сеть типа 3 или 5. Для диагностики патологии зрительного нерва проводят клиническое обследование пациента, производят съемку глазного дна, полученное изображение диска зрительного нерва пациента обрабатывают аналогичным образом - определяют параметры распределения трех основных цветов. Вектор параметров распределения трех основных цветов в изображении зрительного нерва и данных клинического обследования пациента подается на вход нейронной сети 1.

В зависимости от выхода нейронной сети 1, а также других нейронных сетей, задействованных по выбранному алгоритму постановки диагнозов патологий зрительного нерва, и блок формирования диагноза окончательно формирует диагноз патологии зрительного нерва.

После того как все нейронные сети, составляющие ансамбль, обучены, создаются условия для формирования сложного диагноза с причинами и степенью поражения зрительного нерва.

Пример 1: Пациент А. 21 год. Пациент А. обследован по предложенному способу.

На Фиг.2 приведено цифровое изображение диска зрительного нерва пациента А.

На Фиг.3 приведен результат компьютерной обработки цифрового изображения диска зрительного нерва пациента А.

В процессе компьютерной обработки цифрового изображения диска зрительного нерва пациента А. обученная нейронная сеть 1, предназначенная для решения задачи классификаций патологий на группы, формирует диагноз «Глаукома».

Качество построенной нейронной сети 1, проверенное в процессе обучения по тестовой выборке, не участвующей в процессе создания и настройки сети, характеризуется вероятностью 0,94 правильной постановки диагноза (результат по тестовой выборке, полученный с помощью нейронной сети 1, сравнивается с известным диагнозом).

Нейронная сеть типа 3, обученная для диагноза «Глаукома» и предназначенная для определения стадии поражения зрительного нерва, формирует диагноз «Глаукома 3 СТ» («Глаукома 3 стадии»).

Качество построенной нейронной сети 3 для диагноза «Глаукома», проверенное в процессе обучения по тестовой выборке, не участвующей в процессе создания и настройки сети, характеризуется вероятностью 0,92 правильной постановки диагноза 3-й стадии глаукомы.

Поставленный диагноз подтвержден данными клинических обследований пациента.