Автоматическое обнаружение и сегментация кольца Вайса на фотографиях глазного дна с использованием глубокого обучения

Почему маленькие кольца в глазу важны

С возрастом многие замечают новые «плавающие» пятна, которые плывут по полю зрения. Большинство из них безопасны, но некоторые могут указывать на изменения, которые иногда приводят к разрывам сетчатки и даже к слепоте. Одним из самых очевидных признаков таких изменений является небольшое кольцевидное пятно внутри глаза, называемое кольцом Вайса. На обычных фотографиях глазное кольцо может быть едва заметно и легко ускользать от внимания — даже у специалистов, и тем более у компьютеров. В этом исследовании описывается новая система искусственного интеллекта, которая обучается обнаруживать и обводить кольца Вайса на стандартных фотографиях сетчатки, превращая рутинные снимки в более полезный источник клинической и исследовательской информации.

Тонкий признак на обычных фотографиях глаза

Внутри глаза находится прозрачный гель, который с возрастом постепенно отделяется от сетчатки — процесс, известный как задняя отслойка стекловидного тела. Когда отделение завершается, перед диском зрительного нерва может остаться плавающая петля ткани: кольцо Вайса. Его наличие сигнализирует о завершении отделения, а у некоторых пациентов с внезапными вспышками или плавающими пятнами оно может указывать на период повышенной уязвимости сетчатки к мелким разрывам. Тем не менее кольца Вайса не всегда видны, могут находиться за пределами поля зрения камеры и часто выглядят как неясные тени. Традиционные системы ИИ, обученные распознавать распространённые заболевания сетчатки, в основном игнорировали эти структуры или принимали их за артефакты, оставляя важную информацию невостребованной.

Обучение компьютеров находить кольцо

Исследователи собрали 582 цветных снимка глаз из нескольких публичных баз данных и попросили трёх офтальмологов пометить, какие изображения содержат кольцо Вайса, и аккуратно обвести его контур. В результате получилось 194 изображения с кольцами и 388 без них. Затем они построили систему ИИ из двух частей. Одна часть, называемая сетью сегментации, научилась строить поквадсельную карту того, где на изображении расположено кольцо. Другая часть, сеть классификации, научилась решать, присутствует ли кольцо на снимке в целом. Второй классификатор анализировал только маску сегментации и оценивал, выглядит ли отмеченная область действительно как кольцо. Наконец, простой статистический модель объединяла два классификационных результата в единый окончательный прогноз.

Насколько хорошо работала система

На отложенной тестовой выборке, которую ИИ не видел во время обучения, сеть сегментации строила карты, которые в целом перекрывались с разметкой экспертов, особенно в более очевидных случаях. Она была особенно чувствительной, улавливая большинство истинных колец, хотя иногда помечала дополнительные участки, где отражения или фактура фона имитировали кольцо. Когда выход сегментации объединяли с классификацией на уровне изображения, общее обнаружение улучшалось. Совокупная система корректно отличала изображения с кольцом от тех, где его нет, с высоким значением площади под кривой (около 0,90) и солидной точностью, а также хорошо отсеивала изображения без кольца. Визуальные тепловые карты подтвердили, что модель в основном фокусируется на области вокруг диска зрительного нерва, где обычно появляются кольца Вайса, что добавляет уверенности в том, что она использует клинически значимые признаки, а не случайные паттерны.

Что это может значить для помощи и исследований

Авторы подчёркивают, что этот инструмент не заменяет полноценный офтальмологический осмотр или продвинутые сканирования при жалобах на внезапные вспышки или плавающие пятна. Стандартные фотографии охватывают лишь часть сетчатки, и у многих людей с отделением стекловидного тела видимого кольца вовсе не наблюдается. Система предлагается как помощник: она может помечать снимки для более тщательного обзора в крупных скрининговых программах, помогать обучающимся распознавать тонкие кольца и позволять исследователям просеивать тысячи архивных фотографий, чтобы изучать частоту встречаемости колец и их связь с такими факторами, как возраст, операции или другие заболевания глаза. Поскольку исследование использовало относительно небольшое число публично доступных изображений, потребуются большие реальные испытания — желательно с сопоставлением результатов с широкоугольной съёмкой или трёхмерными сканами — прежде чем подход можно будет доверительно применять в повседневной клинической практике.

Маленькое кольцо с большим потенциалом данных

Проще говоря, работа показывает, что компьютер можно обучить не только отвечать «да» или «нет» на вопрос о наличии маленького плавающего кольца в глазу, но и рисовать, где оно находится. Хотя система пока остаётся демонстрацией концепции, а не диагностическим инструментом, она открывает путь к превращению часто игнорируемой особенности в исследуемый сигнал по огромным коллекциям изображений. При аккуратном использовании и в сочетании с правильным осмотром такой ИИ может помочь врачам и исследователям обращать больше внимания на тонкие плавающие структуры, которые рассказывают историю стареющего глаза.

Цитирование: Kim, H., Ryu, S.Y., Yoo, T.K. et al. Automated detection and segmentation of Weiss ring in fundus photography images using deep learning. Sci Rep 16, 13787 (2026). https://doi.org/10.1038/s41598-026-44593-3

Ключевые слова: Кольцо Вайса, изображение сетчатки, глубокое обучение, отслойка стекловидного тела, медицинский ИИ