BUSCADOR RECOLECTA

© Sociedad Española de Óptica. A new unsupervised method for segmentation of objects of diverse nature with the common feature of connectivity (e.g. branching trees or net-shaped objects) is proposed. A preferred application to the vasculature segmentation of retinal images has been illustrated using images from DRIVE database. In the pre-processing stage, the method overcomes the common problem of non-uniform illumination of eye fundus images. The method follows with an iterative algorithm that starts with a seed and adds, at each step, a new vessel segment connected to the previously segmented part. The result preserves the connectivity as a distinct feature of the retinal vessel tree. The segmentation performance is evaluated through common signal detection metrics: sensitivity, specificity and accuracy., Peer Reviewed

Peer Reviewed

Congreso celebrado los días 26 y 27 de febrero / 24-31 de marzo 2021

RESUMEN : Las lentes intraoculares han sido el mayor paso en la corrección de la afaquia tras la cirugía de la catarata. Desde su invención en los años ’50, las lentes intraoculares han mejorado su diseño de forma significativa. Actualmente no sólo son utilizadas para sustituir un cristalino cataratoso, si no que se busca corregir las distintas ametropías refractivas presentes en el ojo como la miopía, hipermetropía, astigmatismo, e inculso la presbicia. Uno de los pasos previos a la cirugía, y que es crucial para conseguir un buen resultado refactivo, implica calcular la potencia de la lente intraocular que se va a implantar posteriormente. En el mercado, existen varias fórmulas biométricas que proporcionan la potencia necesaria a partir de datos del paciente y la constante característica de cada modelo de lente. Se ha calculado el valor de la potencia de las diferentes LIOs mediante un modelo simple de óptica paraxial. En este modelo, se han analizado 39 ojos de 21 pacientes diferentes (21 ojos derechos y 18 ojos izquierdos). Una vez obtenido el valor de la LIO mediante nuestro modelo, se comparó con el valor de dos fórmulas comerciales (Barrett II y SRK/T). Estos valores, han sido calculados gracias a un biómetro, que proporciona las medidas y calcula diferentes fórmulas comerciales pero, en este caso, se ha trabajado solamente con las fórmulas Barrett II y SRK/T. En un primer momento, se supuso que esta lente estaba colocada en el centro del cristalino para obtener un primer valor de esta potencia. Posteriormente, se varió la posición de la lente (± 0.5 mm y ± 1 mm) para poder analizar como afecta la posición de la lente dentro del cristalino a la hora de obtener la potencia de la misma., Grado en Física

[ES] La geometrización de la realidad según Laussedat.

Proyecto final de carrera englobado dentro del proyecto titulado “Análisis de imagen de fondo de ojo para cribado automático de enfermedades oftalmológicas (ACRIMA) (TIN2013-46751-R)”. El presente proyecto final de carrera se centra en la parte de ACRIMA relacionada con el glaucoma. Uno de los principales indicadores utilizados para discernir entre un paciente glaucomatoso y uno sano es la relación de tamaño entre la copa óptica y el disco óptico. En este contexto, el objetivo es el de diseñar un algoritmo de segmentación de la copa óptica que se adapte a la variabilidad existente en las imágenes de fondo de ojo. El método propuesto para la segmentación de la copa óptica se basa principalmente en operaciones de morfología matemática combinada con un tratamiento de los diferentes espacios de color. En el presente proyecto usaremos el espacio de color CMYK, una variante de la transformada watershed llamada watershed estocástica, y usaremos los descriptores de Fourier para el posterior suavizado de los bordes de la máscara segmentada.

[ES] La Degeneración Macular Asociada a la Edad (DMAE) y la Retinopatía Diabética (RD) son dos de las enfermedades que con más frecuencia producen pérdida de visión e incluso ceguera en la sociedad actual. Ambas patologías no tienen cura definitiva actualmente, pero la detección temprana de las mismas permite ofrecer tratamientos que retardan y mitigan los efectos que provocan. Esta detección temprana se lleva a cabo identificando los primeros signos que evidencian patología. Para llevar a cabo con éxito dicha tarea, se llevan a cabo campañas de cribado por parte de especialistas oftalmológicos. Este hecho supone una gran carga de trabajo para el personal entrenado en la detección de los patrones anómalos que evidencian las enfermedades, lo que sumado al incremento de la población en riesgo hace que las campañas de cribado generen grandes costes económicos. Este factor evidencia la necesidad del desarrollo de sistemas de cribado automáticos. El principal objetivo de este Trabajo Fin de Máster es el de crear modelos predictivos basados en aprendizaje profundo capaces de discernir automáticamente entre una retina sana y una patológica, y más específicamente, que puedan discriminar entre un fondo de ojo con signos relativos a RD y DMAE. Para ello, primeramente, se conformará una amplia base de datos con imágenes sanas, imágenes de pacientes con RD e imágenes de pacientes con DMAE. Posteriormente se entrenará una red neuronal convolucional desde cero optimizando los hiperparámetros correspondientes. También cabe la posibilidad de emplear técnicas de fine-tuning con el objetivo de maximizar la precisión en la clasificación multiclase. Una vez obtenido el mejor modelo de predicción, se visualizarán los mapas de activación de los últimos bloques convolucionales con el objetivo de proporcionar información acerca de la localización de las lesiones (drusas, exudados, microaneurismas, etc.) de cada una de las retinas enfermas.

El presente trabajo final de grado se ha desarrollado dentro del grupo de Imagen Médica Asistida por Ordenador (IMAO) perteneciente al grupo de de Procesamiento Avanzado de Señal (PAS) de LabHuman que trabaja en el desarrollo de nuevas herramientas software que faciliten la labor del personal médico. El objetivo general es el estudio de la retina mediante el análisis de imágenes de fondo de ojo. En concreto este trabajo se centra en la detección del glaucoma mediante el uso de descriptores de textura y clasificadores. Para ello se basará el estudio en la zona del disco óptico, una zona circular y brillante de la retina donde emerge el nervio óptico, cuyo aspecto cambia si se padece glaucoma. Dentro del disco se encuentra una excavación fisiológica también conocida como copa que aumenta su tamaño a medida que el glaucoma avanza. La idea general es que la diferencia de texturas entre el disco y la copa nos proporcionará la información necesaria para determinar si la imagen padece glaucoma. A diferencia de la mayoría de autores de la literatura, se pretende determinar si la imagen padece glaucoma o no sin necesidad de segmentar la copa, que es una tarea complicada con los métodos convencionales de segmentación de imagen, dado de que los bordes no están siempre bien definidos. Así pues en este trabajo se pretende trabajar con métodos de aprendizaje automático mediante el uso de descriptores de texturas como características de entrada en un clasificador de aprendizaje supervisado. Se analizará el comportamiento de dos clasificadores diferentes: \textit{Naive Bayes} y árboles de decisión. Por último se procederá al testeo del sistema haciendo uso de la validación cruzada y ésta nos proporcionará el error de predicción de nuestro modelo. Se han realizado varios experimentos de resultados prometedores, ya que se ha demostrado que es posible clasificar las imágenes directamente con el análisis de texturas, evitando la necesidad de segmentar, cuando las diferencias en el ratio copa-disco son apreciables en la imagen de fondo de ojo.

Generate a classification method based it on fundus images processing for glaucoma detection. As well, machine learning algorithms have been used in order to classify and test the extracted features.

La Degeneración Macular Asociada a la Edad (DMAE) y la Retinopatía Diabética (RD) son dos de las enfermedades que con más frecuencia producen pérdida de visión e incluso ceguera en la sociedad actual. Ambas patologías no tienen cura definitiva actualmente, pero la detección temprana de las mismas permite ofrecer tratamientos que retardan y mitigan los efectos que provocan. Para poder diagnosticar con cierta antelación la RD y la DMAE se llevan a cabo campañas de cribado por parte de especialistas oftalmológicos. Este hecho supone una gran carga de trabajo para el personal entrenado en la detección de los patrones anómalos que evidencian las enfermedades, lo que sumado al incremento de la población en riesgo hace que las campañas de cribado generen grandes costes económicos. Este factor evidencia la necesidad del desarrollo de sistemas de cribado automáticos. Las drusas, pequeños depósitos amarillos en la mácula, es uno de los primeros síntomas más comunes de la Degeneración Macular Asociada a la Edad y son la base sobre la que los oftalmólogos centran su atención para detectar la enfermedad. A medida que la enfermedad progresa, el número y tamaño de las drusas incrementa. Por su parte los primeros indicios que evidencian Retinopatía Diabética son los microaneurismas y exudados. Los microaneurismas son dilataciones saculares de los capilares y se manifiestan como lesiones circulares de pequeño tamaño y de color rojizo. Por su parte, los exudados son acumulación de lípidos y proteínas sobre la retina y se caracterizan por poseer forma no uniforme y ser lesiones brillantes. En este Trabajo Fin de Grado se persigue detectar las diferentes lesiones que se manifiestan en imágenes de fondo de ojo empleando técnicas de análisis de texturas y algoritmos de aprendizaje profundo. Además, se debe realizar una discriminación de las lesiones detectadas que permita diagnosticar por separado la RD y la DMAE.