RU2672924C1 - Способ определения стадии ретинопатии недоношенных - Google Patents
Способ определения стадии ретинопатии недоношенных Download PDFInfo
- Publication number
- RU2672924C1 RU2672924C1 RU2018118094A RU2018118094A RU2672924C1 RU 2672924 C1 RU2672924 C1 RU 2672924C1 RU 2018118094 A RU2018118094 A RU 2018118094A RU 2018118094 A RU2018118094 A RU 2018118094A RU 2672924 C1 RU2672924 C1 RU 2672924C1
- Authority
- RU
- Russia
- Prior art keywords
- zone
- stage
- retinopathy
- image
- wide
- Prior art date
Links
- 208000017442 Retinal disease Diseases 0.000 title claims abstract description 15
- 206010038923 Retinopathy Diseases 0.000 title claims abstract description 15
- 230000002028 premature Effects 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000002792 vascular Effects 0.000 claims abstract description 17
- 210000001525 retina Anatomy 0.000 claims abstract description 16
- 230000002123 temporal effect Effects 0.000 claims abstract description 12
- 206010038933 Retinopathy of prematurity Diseases 0.000 claims description 15
- 210000005166 vasculature Anatomy 0.000 claims description 11
- 239000003814 drug Substances 0.000 abstract description 3
- 230000004256 retinal image Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000002207 retinal effect Effects 0.000 description 6
- 238000003759 clinical diagnosis Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000002577 ophthalmoscopy Methods 0.000 description 2
- 210000001210 retinal vessel Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000009540 indirect ophthalmoscopy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Ophthalmology & Optometry (AREA)
- Primary Health Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Изобретение относится к области медицины, а именно к офтальмологии, и может быть использовано для определения стадии ретинопатии недоношенных (РН). Получают снимки сетчатки одного глаза пациента: центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона. Моделируют широкопольное изображение. Из полученного широкопольного изображения выделяется сосудистая сеть. Часть изображения, не содержащая изображение сосудов, удаляется. Определяют фрактальную размерность контура сосудистой сети с помощью фрактального анализа методом box-counting. На основании полученного значения фрактальной размерности определяют стадию РН: 1,2-1,3 - 1 стадия; 1,31-1,4 - 2 стадия; 1,41-1,5 - 3 стадия; 1,51 - 1,7 - задняя агрессивная РН. Способ обеспечивает повышение точности определения стадии РН за счет использования широкопольного изображения сетчатки при анализе и определения фрактальной размерности сосудов. 4 ил., 5 пр.
Description
Изобретение относится к области медицины, а именно к офтальмологии, и может быть использовано для определения стадии ретинопатии недоношенных (РН).
На данный момент в диагностике ретинопатии недоношенных широко используется телемедицинская ретинальная камера (RetCam). Это компьютеризированная широкоугольная система, позволяющая получать изображение сетчатки с использованием различных линз, в том числе 130-градусных. Все получаемые изображения могут мгновенно сохраняться на информационном носителе (Salcone Е.М. et al. Review of the use of digital imaging in retinopathy of prematurity screening. Seminars in ophthalmology. Taylor & Francis, 2010. T. 25. №5-6. C. 214-217). При оценке эффективности отображения сетчатки при скрининге РН, RetCam показала 100% чувствительности 97,9%-99,5% специфичность (Dai S. et al. Efficacy of widefield digital retinal imaging for retinopathy of prematurity screening // Clinical & experimental ophthalmology. - 2011. - T. 39. - №. 1. - C. 23-29; Silva R. A. et al. Stanford University network for diagnosis of retinopathy of prematurity (SUNDROP): 36-month experience with telemedicine screening // Ophthalmic Surgery, Lasers and Imaging Retina. - 2011. - T. 42. - №. 1. - C. 12-19 {прототип)).
Исследования показали, что телемедицинская диагностика позволяет обнаруживать РН на 1-2 недели раньше, чем непрямая офтальмоскопия. Ранее выявление заболевания приводит к более раннему лечению тяжелой РН и улучшению отдаленных результатов (QuinnG. Е., FielderA. R. (ed.). Retinopathy of prematurity. - Saunders, 2013).
Однако существует проблема субъективности оценки изображений, полученных с помощью RetCam врачом-офтальмологом.
Решаемой нами задачей являлось разработка метода, исключающего риск субъективности при определении стадии ретинопатии недоношенных.
Достигаемым техническим результатом является повышение точности определения стадии ретинопатии недоношенных по данным анализа изображений, полученных с помощью телемедицинской ретинальной камеры.
Данный результат обусловлен использованием при анализе изображений смоделированного широкопольного изображения сетчатки и определением фрактальной размерности сосудов сетчатки методом box-counting.
Фрактальный анализ сетчатки - математический метод, позволяющий оценить степень сложности геометрии сосудистых сетей. Получены многочисленные свидетельства, что разветвленная сосудистая сеть нормальной сетчатки статистически самоподобна и проявляет свойства фрактала, а фрактальный анализ можно применять для автоматизированной диагностики сосудистых заболеваний сетчатки (Avakian A. et al. Fractal analysis of region based vascular change in the normal and non-proliferative diabetic retina. Curr Eye Res 2002; 24 (4): 274-280.).
Фрактальная размерность кровеносных сосудов в обычной человеческой сетчатке составляет около 1,7 (Masters B.R. Fractal analysis of the vascular tree in the human retina. Annu Rev Biomed Eng. 2004; 6: 427-452.). Существуют попытки применения фрактального анализа в диагностике ретинопатии недоношенных, однако, они ограничиваются результатами только для задней агрессивной ретинопатии недоношенных. Было доказано, что кровеносные сосуды в сетчатке при задней агрессивной ретинопатии более сложны, имеют неправильную форму и более высокую степень аберрации сосудов, чем сосуды с «типичной» ретинопатией недоношенных 
N.Т. et al. Retinopathy of prematurity: fractal analysis of images in different stages of the disease // Advances in Intelligent Control Systems and Computer Science. - Springer Berlin Heidelberg, 2013. - C. 91-101.) Однако в исследовании отсутствует этап формирования широкопольного изображения, а значит, оценивается фрактальная размерность только ограниченного участка (заднего поля) сетчатки недоношенного и полученные данные являются неверными. Необходимость моделирования широкопольного изображения подтверждает исследование фрактальной организации сосудов сетчатки без патологии (Masters В. R. Fractal analysis of the vascular tree in the human retina // Annu. Rev. Biomed. Eng. - 2004. - T. 6. - C. 427-452.) Этим объясняется и то, что авторы определили изменение сложности сети только при задней агрессивной ретинопатии недоношенных, так как при «типичных» формах сосуды заднего поля сетчатки могут быть не изменены.
Разработанный нами способ определения стадии ретинопатии недоношенных заключается в следующем.
Из 9 снимков (центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона) сетчатки одного глаза одного пациента моделируется широкопольное изображение. При этом именно при моделировании широкопольного изображения из всех указанных зон возможен анализ всей сосудистой сети.
Выделяется сосудистая сеть, и из широкопольного изображения удаляется часть изображения, не содержащая изображение сосудов.
Далее определяется фрактальная размерность контура сосудистой сети с помощью фрактального анализа методом box-counting.
Разработанное изобретение поясняется рядом иллюстраций:
1. Выбираются снимки (фиг. 1) для моделирования широкопольного изображения (центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона) (Фиг. 1-1)
2. Моделируется широкопольное изображение (Фиг. 1-2)
3. Выделяется сосудистая сеть (Фиг. 1-3)
4. Изображение сосудистой сети выделяется на отдельное изображение (Фиг. 1-4)
5. Проводится фрактальный анализ полученного широкопольного изображения с сосудистой сетью методом box-counting. Данный метод отражает сложность контура изображения сосудистой сети. Именно анализ контура изображения сосудистой сети является диагностически значимым для определения стадии РН.
6. На основании полученного значения фрактальной размерности (градации, соответствующие известным стадиям РН, выделены нами) устанавливается стадия ретинопатии недоношенных:
1,2-1,3 - 1 стадия
1,31-1,4 - 2 стадия
1,41-1,5 - 3 стадия
1,51-1,7 - задняя агрессивная ретинопатия недоношенных (ЗАРН)
Стоит отметить, что согласно нашим данным, анализа результатов обследований, в различных меридианах поверхности сетчатки могут образовываться патологические изменения, характерные для нескольких стадий одновременно, фрактальная размерность отражает преобладающую стадию. При этом сосудистые изменения при ретинопатии недоношенных предшествуют морфологическим изменениям сетчатки. Если по результатам фрактального анализа стадия выше, чем стадия по результатам офтальмоскопии, то это указывает на прогрессирование ретинопатии недоношенных.
Клинический пример №1.
Пациент К., гестационный возраст 29 недель, постконцептуальный возраст 39 неделя, масса тела при рождении 1650 г.
Клинический диагноз: II-III стадия ретинопатии недоношенных (по данным офтальмоскопии).
Фрактальная размерность сосудистой сети 1.4293, что указывает на наличие 3 стадии РН (согласно разработанному нами способу), фиг 2.
1 - выбор снимков из видеоряда (Фиг. 2-1)
2 - моделирование широкопольного изображения (Фиг. 2-2)
3 - выделение сосудистой сети (Фиг. 2-3)
4 - фрактальный анализ (Фиг. 2-4)
Клинический пример №2.
Пациент М. гестационный возраст 28 неделя, постконцептуальный возраст 34 неделя, масса тела при рождении 1500 г.
Клинический диагноз: III стадия ретинопатии недоношенных.
Фрактальная размерность сосудистой сети 1.493, что соответствует III стадии РН (фиг. 3).
Наличие «плюс»-болезни не влияет на показатель фрактальной размерности.
1 - выбор снимков из видеоряда (Фиг. 3-1)
2 - моделирование широкопольного изображения (Фиг. 3-2)
3 - выделение сосудистой сети (Фиг. 3-3)
4 - фрактальный анализ (Фиг. 3-4)
Клинический пример №3
Пациент В., гестационный возраст 27 недель, масса тела при рождении 950 г. Постконцептуальный возраст 33 недели.
Клинический диагноз: I-II стадия ретинопатии недоношенных.
Фрактальная размерности сосудистой сети 1.3172, что соответствует 2 стадии РН (фиг. 4).
1 - выбор снимков из видеоряда (Фиг. 4-1). У пациентов на I стадии или с незрелостью сетчатки возможен выбор меньшего числа кадров, так как площадь васкуляризации мала.
2 - моделирование широкопольного изображения (Фиг. 4-2)
3 - выделение сосудистой сети (Фиг. 4-3)
4 - фрактальный анализ (Фиг. 4-4)
Клинический пример №4
Пациент В., гестационный возраст 28 недель, масса тела при рождении 1250 г. Постконцептуальный возраст 34 недели.
Клинический диагноз: I стадия ретинопатии недоношенных.
Фрактальная размерности сосудистой сети 1.2863, что соответствует 1 стадии РН.
Клинический пример №5
Пациент В., гестационный возраст 25 недель, масса тела при рождении 850 г. Постконцептуальный возраст 32 недели.
Клинический диагноз: Задняя агрессивная ретинопатия недоношенных.
Фрактальная размерности сосудистой сети 1.6624, что соответствует ЗАРН.
Claims (5)
- Способ определения стадии при ретинопатии недоношенных (РН), отличающийся тем, что получают снимки сетчатки одного глаза пациента: центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона, моделируют широкопольное изображение, из полученного широкопольного изображения выделяется сосудистая сеть, часть изображения, не содержащая изображение сосудов, удаляется, далее определяют фрактальную размерность контура сосудистой сети с помощью фрактального анализа методом box-counting, на основании полученного значения фрактальной размерности определяют стадию ретинопатии недоношенных:
- 1,2-1,3 - 1 стадия
- 1,31-1,4 - 2 стадия
- 1,41-1,5 - 3 стадия
- 1,51-1,7 - задняя агрессивная ретинопатия недоношенных (ЗАРН).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018118094A RU2672924C1 (ru) | 2018-05-16 | 2018-05-16 | Способ определения стадии ретинопатии недоношенных |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018118094A RU2672924C1 (ru) | 2018-05-16 | 2018-05-16 | Способ определения стадии ретинопатии недоношенных |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2672924C1 true RU2672924C1 (ru) | 2018-11-21 |
Family
ID=64556400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2018118094A RU2672924C1 (ru) | 2018-05-16 | 2018-05-16 | Способ определения стадии ретинопатии недоношенных |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2672924C1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120148835A (zh) * | 2025-05-15 | 2025-06-13 | 川北医学院附属医院 | 一种早产儿眼底辅助筛查管理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012136079A1 (en) * | 2011-04-07 | 2012-10-11 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
| RU2532497C1 (ru) * | 2013-09-18 | 2014-11-10 | Федеральное государственное бюджетное учреждение "Межотраслевой научно-технический комплекс "Микрохирургия глаза" имени академика С.Н. Федорова Министерства здравоохранения Российской Федерации | Способ прогнозирования регресса ii и iii стадии ретинопатии недоношенных после лазерной коагуляции сетчатки |
| RU2641161C1 (ru) * | 2016-09-01 | 2018-01-16 | Федеральное государственное бюджетное учреждение "Уральский научно-исследовательский институт охраны материнства и младенчества" Министерства здравоохранения и социального развития Российской Федерации | Способ прогнозирования развития пороговой стадии ретинопатии недоношенных у детей с экстремально низкой массой тела |
-
2018
- 2018-05-16 RU RU2018118094A patent/RU2672924C1/ru not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012136079A1 (en) * | 2011-04-07 | 2012-10-11 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
| RU2532497C1 (ru) * | 2013-09-18 | 2014-11-10 | Федеральное государственное бюджетное учреждение "Межотраслевой научно-технический комплекс "Микрохирургия глаза" имени академика С.Н. Федорова Министерства здравоохранения Российской Федерации | Способ прогнозирования регресса ii и iii стадии ретинопатии недоношенных после лазерной коагуляции сетчатки |
| RU2641161C1 (ru) * | 2016-09-01 | 2018-01-16 | Федеральное государственное бюджетное учреждение "Уральский научно-исследовательский институт охраны материнства и младенчества" Министерства здравоохранения и социального развития Российской Федерации | Способ прогнозирования развития пороговой стадии ретинопатии недоношенных у детей с экстремально низкой массой тела |
Non-Patent Citations (1)
| Title |
|---|
| КОВАЛЕВСКАЯ М.А. и др. Возможности ретинальной камеры в диагностике клинических проявлений ретинопатии недоношенных. Медицинский альманах. 2017 год, номер 1 (46), страницы 84-86. MILOSEVIC N. T. и др. Retinopathy of prematurity: fractal analysis of images in different stages of the disease. Advances in Intelligent Control Systems and Computer Science. 2013 год, страницы 91-101. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120148835A (zh) * | 2025-05-15 | 2025-06-13 | 川北医学院附属医院 | 一种早产儿眼底辅助筛查管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lim et al. | Artificial intelligence detection of diabetic retinopathy: subgroup comparison of the EyeArt system with ophthalmologists’ dilated examinations | |
| Gangwani et al. | Diabetic retinopathy screening: global and local perspective | |
| Kamran et al. | Optic-net: A novel convolutional neural network for diagnosis of retinal diseases from optical tomography images | |
| KR101977645B1 (ko) | 안구영상 분석방법 | |
| Dubow et al. | Classification of human retinal microaneurysms using adaptive optics scanning light ophthalmoscope fluorescein angiography | |
| JP2023145613A (ja) | 視力を予測するための眼の画像を処理するための深層学習の使用 | |
| Bruce et al. | Diagnostic accuracy and use of nonmydriatic ocular fundus photography by emergency physicians: phase II of the FOTO-ED study | |
| Medeiros et al. | Combining structural and functional measurements to improve detection of glaucoma progression using Bayesian hierarchical models | |
| KR102354980B1 (ko) | 전안부 질환 진단 시스템 및 이를 이용한 진단 방법 | |
| Bertelsen et al. | The Tromsø Eye Study: study design, methodology and results on visual acuity and refractive errors | |
| Salongcay et al. | Comparison of handheld retinal imaging with ETDRS 7-standard field photography for diabetic retinopathy and diabetic macular edema | |
| Hillard et al. | Retinal arterioles in hypo-, normo-, and hypertensive subjects measured using adaptive optics | |
| KR102071774B1 (ko) | 안구영상을 이용한 심뇌혈관 질환 예측방법 | |
| Kumar et al. | Automated detection of eye related diseases using digital image processing | |
| Hassan et al. | A comprehensive review of artificial intelligence models for screening major retinal diseases | |
| Chan et al. | Automated detection of glaucoma using optical coherence tomography angiogram images | |
| JP2025089318A (ja) | 医療システム及び医療情報処理装置 | |
| Meister et al. | Intraocular lens power calculation for the equine eye | |
| Sanborn et al. | Evaluation of a combination digital retinal camera with spectral-domain optical coherence tomography (SD-OCT) that might be used for the screening of diabetic retinopathy with telemedicine: a pilot study | |
| Niering et al. | The effects of visual skills training on cognitive and executive functions in stroke patients: a systematic review with meta-analysis | |
| KR20230144517A (ko) | 안구영상을 이용한 심혈관계 질환 예측방법 | |
| Pinos-Velez et al. | Implementation of support tools for the presumptive diagnosis of Glaucoma through identification and processing of medical images of the human eye | |
| RU2672924C1 (ru) | Способ определения стадии ретинопатии недоношенных | |
| KR102343796B1 (ko) | 안구영상을 이용한 심혈관계 질환 예측방법 | |
| Ausayakhun et al. | Clinic-based eye disease screening using non-expert fundus photo graders at the point of screening: diagnostic validity and yield |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200517 |