Метод сегментації зображень ОКТ з допомогою згорткової нейромережі

Метод сегментації зображень ОКТ з допомогою згорткової нейромережі

The article analyzes the methods of segmentation of optical coherence tomography images, creates a convolutional neural network model U-Net, processes a series of test images from an open database, and compares the results of processing with other algorithms using the structural similarity index (SS...

Full description

Saved in:
Bibliographic Details
Date:2025
Main Authors: Щербатюк, А.В., Тужанський, С.Є.
Format: Article
Language:Ukrainian
Published: Vinnytsia National Technical University 2025
Subjects:
оптична когерентна томографія
згорткова нейромережа
U-Net
фільтр Гауса
індекс структурної схожості.
Online Access:https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/784
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Optoelectronic Information-Power Technologies

Institution

Optoelectronic Information-Power Technologies
id oai:oeipt.vntu.edu.ua:article-784
record_format ojs
spelling oai:oeipt.vntu.edu.ua:article-7842025-06-19T11:44:36Z Method of segmentation of OCT images using a convulsive neural network Метод сегментації зображень ОКТ з допомогою згорткової нейромережі Щербатюк, А.В. Тужанський, С.Є. optical coherence tomography, convolutional neural network, U-Net, Gaussian filter, structural similarity index. оптична когерентна томографія, згорткова нейромережа, U-Net, фільтр Гауса, індекс структурної схожості. The article analyzes the methods of segmentation of optical coherence tomography images, creates a convolutional neural network model U-Net, processes a series of test images from an open database, and compares the results of processing with other algorithms using the structural similarity index (SSIM). Pre-processing of test images to improve the quality of segmentation is also performed. Preprocessing of test images was also carried out to improve the quality of segmentation. In this work, the U-Net convolutional neural network was created, trained and applied. Existing methods of segmentation of optical coherence tomography images for the diagnosis and monitoring of ophthalmic diseases were considered. The advantages of using the U-Net deep convolutional neural network in comparison with classical methods, such as the Sobel operator and the Pruitt operator, were analyzed. Unlike classical algorithms, which have limited ability to adapt to noise, image heterogeneity and pathologies, U-Net provided higher accuracy of image segmentation. У статті здійснено аналіз методів сегментації зображень оптичної когерентної томографії, створено модель згорткової нейромережі U-Net, здійснено обробку серії тестових зображень з відкритої бази даних та здійснено порівняння результатів обробки з іншими алгоритмами за індексом структурної схожості (SSIM). Також здійснено попередню обробку тестових зображень для підвищення якості сегментації. В даній роботі здійснено створення, тренування та застосування згорткової нейромережі U-Net. Розглянуто існуючі методи сегментації зображень оптичної когерентної томогафії для діагностики та моніторингу офтальмологічних захворювань. Було проаналізовано переваги використання глибокої згорткової нейронної мережі U-Net у порівнянні з класичними методами, такими як оператор Собеля, та оператор Прюітт. На відміну від класичних алгоритмів, які мають обмежену здатність адаптуватися до шуму, неоднорідності зображення та патологій, U-Net забезпечив вищу точність сегментації зображень. Vinnytsia National Technical University 2025-06-18 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/784 10.31649/1681-7893-2025-49-1-178-184 Optoelectronic Information-Power Technologies; Vol. 49 No. 1 (2025); 178-184 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 49 № 1 (2025); 178-184 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 49 № 1 (2025); 178-184 2311-2662 1681-7893 10.31649/1681-7893-2025-49-1 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/784/714
institution Optoelectronic Information-Power Technologies
baseUrl_str
datestamp_date 2025-06-19T11:44:36Z
collection OJS
language Ukrainian
topic оптична когерентна томографія
згорткова нейромережа
U-Net
фільтр Гауса
індекс структурної схожості.
spellingShingle оптична когерентна томографія
згорткова нейромережа
U-Net
фільтр Гауса
індекс структурної схожості.
Щербатюк, А.В.
Тужанський, С.Є.
Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
topic_facet optical coherence tomography
convolutional neural network
U-Net
Gaussian filter
structural similarity index.
оптична когерентна томографія
згорткова нейромережа
U-Net
фільтр Гауса
індекс структурної схожості.
format Article
author Щербатюк, А.В.
Тужанський, С.Є.
author_facet Щербатюк, А.В.
Тужанський, С.Є.
author_sort Щербатюк, А.В.
title Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
title_short Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
title_full Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
title_fullStr Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
title_full_unstemmed Метод сегментації зображень ОКТ з допомогою згорткової нейромережі
title_sort метод сегментації зображень окт з допомогою згорткової нейромережі
title_alt Method of segmentation of OCT images using a convulsive neural network
description The article analyzes the methods of segmentation of optical coherence tomography images, creates a convolutional neural network model U-Net, processes a series of test images from an open database, and compares the results of processing with other algorithms using the structural similarity index (SSIM). Pre-processing of test images to improve the quality of segmentation is also performed. Preprocessing of test images was also carried out to improve the quality of segmentation. In this work, the U-Net convolutional neural network was created, trained and applied. Existing methods of segmentation of optical coherence tomography images for the diagnosis and monitoring of ophthalmic diseases were considered. The advantages of using the U-Net deep convolutional neural network in comparison with classical methods, such as the Sobel operator and the Pruitt operator, were analyzed. Unlike classical algorithms, which have limited ability to adapt to noise, image heterogeneity and pathologies, U-Net provided higher accuracy of image segmentation.
publisher Vinnytsia National Technical University
publishDate 2025
url https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/784
work_keys_str_mv AT ŝerbatûkav methodofsegmentationofoctimagesusingaconvulsiveneuralnetwork
AT tužansʹkijsê methodofsegmentationofoctimagesusingaconvulsiveneuralnetwork
AT ŝerbatûkav metodsegmentacíízobraženʹoktzdopomogoûzgortkovoínejromereží
AT tužansʹkijsê metodsegmentacíízobraženʹoktzdopomogoûzgortkovoínejromereží
first_indexed 2025-09-24T17:29:42Z
last_indexed 2025-09-24T17:29:42Z
_version_ 1850410285038305280

Similar Items