Классификация гистологических препаратов хряща коленного сустава по степени тяжести гонартроза с помощью глубокого обучения на основе YOLOv8

Аннотация

Целью исследования было разработать модель машинного обучения классификации гонартроза по степени тяжести на основании изображений костно-хрящевых образцов, окрашенных Сафранином О+FastGreen (SafO) и гематоксилин-эозином (HE).

Материалы и методы. Использована предобученная нейросеть YOLOv8m-cls пакета Ultralytics. Работа выполнена на языке Python 3.9. Машинное обучение проводилось на наборе гистологических данных Исследования хряща коленного сустава.

Результаты. Разработаны модели машинного обучения для классификации костно-хрящевых образцов по степени тяжести гонартроза. Достигнуты целевые метрики accuracy_top1 соответственно 95,7% для модели, обученной на HE-окрашенных изображениях и 94,3% – на SafO-окрашенных изображениях.

Заключение. YOLOv8 обладает достаточной предиктивной способностью в решении задач патоморфологии. Разработанные модели для классификации гонартроза могут быть применены в клинической практике для автоматизации и ускорения работы патологоанатомов и гистологов. Необходимо дальнейшее повышение качества моделей.