Прототип системы удаленного автоматизированного скрининга диабетической ретинопатии
Loading...
Files
item.page.doi
item.page.other-contributor
item.page.advisors
item.page.editors
Date
Publisher
item.page.issn
item.page.isbn
item.page.depon
item.page.diss
Journal Title
Journal ISSN
Volume Title
item.page.title-alternative
Prototype of a remote automated screening system for diabetic retinopathy
Abstract
В статье представлены результаты разработки и тестирования прототипа автоматизированной системы удаленного скрининга диабетической ретинопатии (ДР) с функциями предобработки и классификации цифровых изображений, полученных фундус-камерами разных производителей. Экспериментальное тестирование прототипа выполнено на нескольких тысячах реальных изображений из белорусских медицинских учреждений и открытых источников. Объективная оценка качества изображения сетчатки вычисляется посредством анализа центрального фрагмента на базе параметра масштаба распределения Вейбулла для локальных оценок качества зеленого канала изображения. Прототип разработан на платформе Streamlit, использует нейросетевые архитектуры YOLOv8 и YOLOv11 для классификации пяти стадий ДР, точность классификации составила 84,0 % и 82,7 % соответственно. Комбинация фильтрации некачественных снимков и нейросетевой классификации повышает достоверность скрининговой диагностики и может быть использована в телемедицинских системах, имеющих ограниченные вычислительные ресурсы.
item.page.description-other
The article presents the results of the development and testing of a prototype automated system for remote screening of diabetic retinopathy (DR), featuring preprocessing and classification functionalities for digital images acquired by fundus cameras from various manufacturers. Experimental testing of the prototype was performed on several thousand real-world images from Belarusian medical institutions and open-access sources. Objective assessment of retinal image quality is computed through analysis of the central fragment based on the Weibull distribution scale parameter applied to local quality estimates of the green channel of the image. The prototype was developed on the Streamlit platform and employs the YOLOv8 and YOLOv11 neural network architectures for classifying five stages of DR, achieving classification accuracy of 84.0 % and 82.7 %, respectively. The combination of low-quality image filtering and neural network-based classification enhances the reliability of screening diagnostics and can be deployed in telemedicine systems with limited computational resources.
Description
Citation
Голуб, Ю. И. Прототип системы удаленного автоматизированного скрининга диабетической ретинопатии = Prototype of a remote automated screening system for diabetic retinopathy / Ю. И. Голуб, М. M. Лукашевич, В. В. Старовойтов // Системный анализ и прикладная информатика. – 2026. – № 2. – С. 60-69.