аспирант, инженер-исследователь, Институт радиоэлектроники и информационных технологий (ИРИТ-РТФ)
620078, г. Екатеринбург, ул. Мира, 32
Postgraduate, Research Engineer, Institute of Radioelectronics and Information Technologies
Mira str. 32, Yekaterinburg 620002
кандидат технических наук, доцент, младший научный сотрудник, Институт радиоэлектроники и информационных технологий (ИРИТ-РТФ)
620078, г. Екатеринбург, ул. Мира, 32
Cand. Sc. (Techn.), Docent, Junior Research Officer, Institute of Radio Electronics and Information Technologies
Mira str. 32, Yekaterinburg 620002
доктор медицинских наук, ведущий научный сотрудник
620149, г. Екатеринбург, ул. Академика Бардина, 4А
Dr. Sc. (Med.), Leading Research Officer
Akademika Bardina str. 4A, Yekaterinburg 620149
кандидат технических наук, доцент, Институт радиоэлектроники и информационных технологий (ИРИТ-РТФ)
620078, г. Екатеринбург, ул. Мира, 32
Cand. Sc. (Techn.), Associate Professor, Institute of Radio Electronics and Information Technologies (IRIT-RTF)
Mira str. 32, Yekaterinburg 620002
кандидат медицинских наук, заместитель генерального директора по научно-клинической работе, врач-офтальмохирург
620149, г. Екатеринбург, ул. Академика Бардина, 4А
Cand. Sc. (Med.), Deputy General Director for Scientific and Clinical Work, Ophthalmic Surgeon
Akademika Bardina str. 4A, Yekaterinburg 620149
доктор технических наук, профессор, Институт радиоэлектроники и информационных технологий (ИРИТ-РТФ)
620078, г. Екатеринбург, ул. Мира, 32
Dr. Sc. (Techn.), Professor, Institute of Radio Electronics and Information Technologies
Mira str. 32, Yekaterinburg 620002
врач-офтальмолог
620149, г. Екатеринбург, ул. Академика Бардина, 4А
Ophthalmologist
Akademika Bardina str. 4A, Yekaterinburg 620149
руководитель проектов
020335, г. Бухарест, бульвар Дмитрие Помпей, 6
Project Manager
Bulevardul Dimitrie Pompeiu 6, Bucharest 020335
исследователь, Департамент инженерии
WC2R 2LS, г. Лондон, Странд
Research Officer, Department of Engineering
Strand, London WC2R 2LS
Электроретинография – это неинвазивный электрофизиологический метод, стандартизированный международным обществом клинической электрофизиологии зрения. Начиная с 1989 г. электроретинография используется для клинического применения и стандартизации электрофизиологических протоколов диагностики сетчатки. В фундаментальных офтальмологических исследованиях электроретинография также является хорошо зарекомендовавшим себя методом функциональной диагностики для оценки состояния сетчатки глазного анализатора. Создание стандартизированных протоколов является важным, но часто недооцениваемым фактором для мониторинга успешной молекулярной терапии при дегенерации сетчатки и необходимым для переноса на пациентов. В модели заболевания пигментного ретинита или ахроматопсии, когда поражается преимущественно один тип фоторецепторов, колбочек или палочек, и соответствующий электрический ответ полностью отсутствует, требуется обнаружение даже незначительных улучшений после терапевтического лечения. Таким образом, стандартизированные протоколы позволяют реализовывать электроретинографию в условиях оптимизации чувствительности и специфичности во время клинических испытаний. Следует отметить, что в литературе, посвящённой заболеваниям сетчатки, демонстрируются клинические случаи, при которых у пациентов может быть одновременно несколько заболеваний сетчатки. В таких случаях необходимо с высокой точностью обнаруживать группу характеристик электрофизиологических сигналов с целью улучшения применения различных диагностических решений. Классификация сигналов электроретинограммы напрямую зависит от качества размеченной биомедицинской информации или баз данных, в дополнение к этому точность полученных результатов классификации зависит не только от компьютерных технологий, но и от качества входных данных. Следует отметить, что на сегодняшний день анализ сигналов электроретинограммы осуществляется преимущественно вручную и во многом зависит от опыта клиницистов. Разработка автоматизированных алгоритмов анализа сигналов электроретинограммы может позволить упростить рутинные процессы и улучшить качество диагностики глазных заболеваний. В статье описано формирование параметров педиатрической базы электроретинограммы для разработки алгоритма поддержки принятия решения врачом. Параметры сигналов получены путём извлечения параметров из вейвлет-скалограммы сигнала электроретинограммы с использованием методов цифровой обработки изображений и машинного обучения.
Electroretinography is a non-invasive electrophysiological method standardized by the International Society for Clinical Electrophysiology of Vision (ISCEV). Electroretinography has been used for the clinical application and standardization of electrophysiological protocols for diagnosing the retina since 1989. Electroretinography become fundamental ophthalmological research method that may assesses the state of the retina. To transfer clinical practice to patients the establishment of standardized protocols is an important step. It is important for monitoring successful molecular therapy in retinal degeneration. Retinitis pigmentosa or achromatopsia and, consequently, affected cones or rods photoreceptors is corresponded to complete absent of electrical response. Thus, detection of even modest improvements after therapeutic treatment is required. Standardized protocols allow the implementation of electroretinography under conditions of optimization of sensitivity and specificity during clinical trials. It should be noted that the literature on retinal diseases demonstrates clinical cases in which patients may have several retinal diseases at the same time. In such cases, it is necessary to detect a group of characteristics of electrophysiological signals with high accuracy to improve the application of various diagnostic solutions. The classification of electroretinogram signals depends on the quality of labeled biomedical information or databases, in addition to this, the accuracy of the classification results obtained depends not only on computer technology, but also on the quality of the input data. To date, the analysis of electroretinogram signals is realized manually and largely depends on the experience of clinicians. The development of automated algorithms for analyzing electroretinogram signals may simplify routine processes and improve the quality of diagnosing eye diseases. This article describes the formation of the parameters of pediatric electroretinogram database parameters for the development of doctor’s decision-making algorithm. The signal parameters were obtained by extracting the parameters from the wavelet scalogram of the electroretinogram signal using digital image processing and machine learning methods.
The authors declare that there are no conflicts of interest present.