Розробка веб-додатку для аналізу зображень флюоресцентної ангіографії ока з використанням технології YOLOv8

Abstract

Кваліфікаційна робота бакалавра на тему «Розробка веб-додатку для аналізу зображень флюоресцентної ангіографії ока з використанням технології YOLOv8» написана Задворним Олександром Миколайовичем, студентом Тернопільського національного технічного університету імені Івана Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, кафедра програмної інженерії, група СП-41. Відомості про обсяг: сторінок – 69, рисунків – 21, частин – 4, додатків – 2, посилань – 16, лістингів коду – 7. Метою наукової роботи є створення веб-додатку для автоматизованого аналізу зображень флюоресцентної ангіографії ока з використанням технології YOLOv8. Для цього будуть застосовані методи глибокого навчання для обробки вхідних зображень та виявлення патологій ока. Бібліотека алгоритмів та програмне забезпечення дозволять створювати моделі для аналізу зображень та візуалізувати результати, а також забезпечать зручність використання та інтеграції. У результаті роботи було створено систему “FluoroVision”, яка аналізує зображення флюоресцентної ангіографії та автоматично виявляє до 25 типів уражень. Для досліджень було зібрано та перевірено набори даних з публічно доступних джерел. Розроблений додаток використовує модель YOLOv8, яка показала високі результати точності та повноти. Веб-додаток продемонстрував високу ефективність у ранньому виявленні хронічних захворювань ока, що підтверджується виконаними тестами. Інструменти для розробки додатку включають мову програмування Python, бібліотеки OpenCV, PyTorch, Streamlit та інші, які забезпечують повну функціональність та зручність використання додатку. Ключові слова: веб-додаток, флюоресцентна ангіографія ока, YOLO, глибоке навчання, аналіз зображень, Python, офтальмологія, Streamlit, автоматизоване тестування.

Bachelor’s qualification work on the topic “Development of a Web Application for Analysing Fluorescein Angiography Images of the Eye Using YOLOv8 Technology” was written by Zadvornyi Oleksandr Mykolaiovych, a student of Ivan Puluj Ternopil National Technical University, Faculty of Computer and Information Systems and Software Engineering, Department of Software Engineering, group SP-41. Information about the scope: pages - 69, figures - 21, sections - 4, appendices - 2, references – 16, code listings – 7. The aim of this research is to develop a web application for automated analysis of fluorescein angiography images of the eye using YOLOv8 technology. This will involve the application of deep learning methods for processing input images and detecting eye pathologies. The library of algorithms and software will enable the creation of models for image analysis and visualization of results, ensuring ease of use and integration. As a result of the work, the “FluoroVision” system was created, which analyses fluorescein angiography images and automatically detects up to 25 types of lesions. For the research, datasets from publicly available sources were collected and validated. The developed application uses the YOLOv8 model, which has demonstrated high precision and recall rates. The average precision exceeds 0.8, confirming its feasibility for image analysis. The web application has shown high efficiency in the early detection of chronic eye diseases, as evidenced by conducted tests. The program provides real-time usability, reducing the time required for manual lesion detection and increasing diagnostic accuracy. The tools for developing the application include the Python programming language, OpenCV, PyTorch, Streamlit, and other libraries that ensure the full functionality and ease of use of the application. Keywords: web application, fluorescein angiography of the eye, YOLO, deep learning, image analysis, Python, ophthalmology, Streamlit, automated testing.