Набор изображений глазного дна для интеллектуальной системы выявления диабетической ретинопатии

Почему это важно для людей с диабетом

Диабет может тихо повреждать глаза задолго до того, как начнет ухудшаться зрение. В этой статье описан новый набор изображений, предназначенный помочь компьютерам обнаруживать эти скрытые изменения глаза раньше и надежнее, используя более широкий охват сетчатки, чем большинство существующих средств.

Видеть больше задней части глаза

Диабетическое поражение глаза повреждает тонкие кровеносные сосуды на задней стенке глаза и является одной из основных причин необратимой потери зрения у людей трудоспособного возраста. Регулярные фотографии глаза уже применяют для поиска проблем, но они захватывают лишь небольшую центральную область. Важные предупреждающие признаки часто появляются на периферии сетчатки, где традиционные камеры их просто не видят. Ультраширокое поле зрения решает эту проблему, фиксируя до пяти раз большую область в одном кадре, включая дальние углы, где могут возникать ранние повреждения и новые хрупкие кровеносные сосуды.

Создание богатой библиотеки изображений для умных инструментов

Чтобы максимально использовать этот широкий обзор, программам нужны большие, хорошо организованные наборы изображений для обучения. Авторы собрали 1630 ультраширокоугольных фотографий глаз от 809 пациентов в двух больницах Китая. Все участники исследования страдали диабетом, а их средний возраст составлял около 54 лет. Снимки выполнялись специальной камерой, не требующей закапывания препаратов для расширения зрачка, что делает тест быстрее и комфортнее. Изображения низкого качества с размытостью или пропущенными областями были удалены, чтобы в наборе остались только четкие виды сетчатки, сосудов и возможных повреждений.

Как эксперты обучили компьютер

Три опытных офтальмолога внимательно рассмотрели каждое изображение и разделили их на три группы: нормальные глаза, глаза с ранними‑умеренными изменениями и глаза с выраженными изменениями. Они следовали международным правилам градации диабетического поражения глаза, но авторы отмечают, что некоторая расхожесть между врачами ожидаема, особенно при выборе, считать ли очень мягкие изменения нормой или ранней стадией болезни. Окончательные решения были записаны в папках и простых таблицах, перечисляющих каждое изображение и его группу, создавая удобную отправную точку для других исследовательских команд.

Испытание набора данных

Команда затем проверила, насколько полезна эта библиотека изображений для обучения искусственного интеллекта. Они разделили изображения на обучающий, валидационный и тестовый наборы и запустили четыре известные модели глубокого обучения для классификации трех стадий болезни. Перед обучением изображения обрезали и стандартизировали, а также использовали простые методы, такие как случайные отражения, чтобы помочь моделям обобщать. На отложенных тестовых изображениях все модели показали высокие результаты по нескольким метрикам точности, при этом одна модель продемонстрировала наилучшие показатели. Тепловые карты моделей выделяли крошечные вздутия сосудов и мембраны, напоминающие рубцы, что указывает на то, что алгоритмы сосредоточились на тех же областях, которые врачи считают важными.

Помощь большему числу людей сохранить зрение

Этот новый открытый набор данных предлагает высококачественный широкий обзор диабетического поражения глаза для всех, кто разрабатывает умные инструменты скрининга. Комбинируя ультраширокие изображения с искусственным интеллектом, будущие системы смогут охватывать большую часть сетчатки, реже пропускать опасные изменения и требовать меньше времени персонала. Хотя этот набор данных сам по себе не может заменить регулярную офтальмологическую помощь, он закладывает основу для более надежного и широкодоступного компьютерного скрининга, который может помочь снизить число случаев слепоты от диабета, особенно в клиниках с ограниченными ресурсами.

Цитирование: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Ключевые слова: диабетическая ретинопатия, изображение сетчатки, ультраширокоугольный, медицинский ИИ, скрининг глаз