Введение. В офтальмологической практике использование цифровых диагностических приборов позволило накопить большую базу данных медицинских изображений, а алгоритмы машинного обучения позволяют применить эти данные для создания автоматизированных решений, повышающих скорость, эффективность и качество скрининговых исследований.
Материалы и методы. В данном исследовании сбор данных и формирование датасета цифровых изображений глазного дна проводились из открытых облачных баз хранения и обработки данных Kaggle, Mendeley Data, Figshare. Все изображения прошли процедуру обезличивания и псевдонимизации согласно Федеральному закону от 27.07.2006 N 152-ФЗ «О персональных данных» и ГОСТ Р 55036-2012/ISO/TS 25237:2008.
Результаты. Объем собранного набора данных составил 1765 цифровых изображений глазного дна размером 640 × 480 и 2048×2048 пикселей и был переименован в итоговый датасет «OcuDate». Проведено аннотирование изображений по классам качества и разработан инструмент предобработки данных, что в последующем позволит провести обучение нейросетевой модели.
Выводы. Полученные данные могут быть интегрированы в систему анализа и обработки изображений глазного дна при создании экспертной системы поддержки принятия клинических решений врачами-офтальмологами.
