Skip to main content

Resultados relacionados

Resultados totales (Incluyendo duplicados): 3
Encontrada(s) 1 página(s)

RUC. Repositorio da Universidade da Coruña
Publication Artículo científico (JournalArticle)

Domain-specific multi-transfer approaches for deep learning-based glaucoma screening in high myopia patients

  • Goyanes, Elena
  • Moura, Joaquim de
  • Lelong, Antoine
  • Robles, Patricia
  • Martínez-de-la-Casa, José María
  • Moreno-Montañes, Javier
  • Muñoz-Negrete, Francisco J.
  • Rodríguez-Uña, Ignacio
  • Novo Buján, Jorge
  • Ortega Hortas, Marcos
[Abstract]: Glaucoma is a leading cause of irreversible blindness worldwide, with early detection being essential to preventing vision loss. However, diagnosing glaucoma in highly myopic patients poses significant challenges due to anatomical alterations, such as optic nerve head deformation and retinal nerve fiber layer thinning, potentially obscuring key disease features and causing misdiagnosis. To address these limitations, we propose a novel deep learning-based framework for automated glaucoma screening in highly myopic eyes. Our approach leverages multi-transfer learning, integrating large-scale pretraining with domain-specific adaptation using ophthalmic disease datasets. This methodology enables the model to extract robust and highly discriminative features, improving sensitivity to glaucomatous changes in myopic eyes. Additionally, we incorporate domain transfer pipeline to address the distributional differences between standard datasets and myopia-specific cases, further enhancing the model’s generalization capabilities. To rigorously evaluate our approach, we conduct a comprehensive analysis of state-of-the-art architectures and transfer learning strategies, assessing their impact on classification performance. Experimental results demonstrate that the proposed model consistently outperforms baseline methods, achieving superior accuracy and robustness in glaucoma detection within highly myopic populations. These findings underscore the potential of AI-driven screening tools as reliable and accurate diagnostic aids, supporting clinicians in the early detection and effective management of glaucoma in complex cases., This work was supported by Ministerio de Ciencia e Innovación, Government of Spain through the research project with [grant numbers PID2023-148913OB-I00, TED2021-131201B-I00, and PDC2022-133132-I00]; Consellería de Educación, Universidade, e Formación Profesional, Xunta de Galicia, Grupos de Referencia Competitiva, [grant number ED431C 2024/33], predoctoral grant [grant number ED481A-2023-152]. Also supported by the ISCIII under the grant [FORT23/00010], and research project [PI23/00828]: Desarrollo evaluación de un algoritmo de detección de glaucoma a partir de un abordaje multimodal en pacientes con miopía magna, as well as The Research Grant 2022-2024 as part of the Programa FORTALECE of Ministerio de Ciencia e Innovación and CNPq/MCTI/FNDCT [grant Number: 444625/2024-0]. Funding for open access charge: Universidade da Coruña/CISUG., Xunta de Galicia; ED431C 2024/33, Xunta de Galicia; ED481A-2023-152, Brasil. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); 444625/2024-0, Financiado para publicación en acceso aberto: Universidade da Coruña/CISUG
RUC. Repositorio da Universidade da Coruña
Publication Contribución de congreso (ConferenceOutput)

Análisis multicentro del cribado automático de glaucoma en pacientes con alta miopía a través de retinografías

  • Millán Guerrero, Ulises
  • Goyanes, Elena
  • Moura, Joaquim de
  • Magadán Salazar, Andrea
  • Moctezuma Ochoa, Daniela
  • Martínez-de-la-Casa, José María
  • Novo Buján, Jorge
  • Ortega Hortas, Marcos
Poster presentado a BioIntegraSaúde 2025, co-organizado por los tres institutos: IDIS, IISGS e INIBIC, en Santiago de Compostela, 15 de mayo de 2025., [Resumen]: El glaucoma es una causa principal de ceguera irreversible en todo el mundo, siendo la detección temprana esencial para prevenir la pérdida de visión. Sin embargo, diagnosticar glaucoma en pacientes altamente miopes presenta desafíos significativos debido a alteraciones anatómicas, como la deformación de la cabeza del nervio óptico y el adelgazamiento de la capa de fibras nerviosas de la retina, que pueden oscurecer los cambios relacionados con la enfermedad y llevar a un diagnóstico erróneo. Para abordar estas limitaciones, proponemos un sistema basado en técnicas avanzadas de inteligencia artificial para la detección automatizada de glaucoma en ojos altamente miopes. Nuestro enfoque aprovecha el aprendizaje multi-transferencia, integrando pre-entrenamiento a gran escala con adaptación específica del dominio utilizando un conjunto formado por 10,000 imágenes de 5,000 pacientes. Además, se realiza un análisis entre múltiples centros clínicos, cada uno empleando un retinógrafo distinto, lo que permite evaluar la robustez y aplicabilidad del modelo en escenarios reales y diversos. Los centros participantes son el Hospital Clínico San Carlos (HCSC), la Clínica Universidad de Navarra (CUN), el Hospital Ramón y Cajal (RYC) y el Instituto Universitario Fernández-Vega de Oviedo (IRU). Esta colaboración multicéntrica asegura una mayor representatividad de los datos, y además refuerza la capacidad del sistema para adaptarse a las variaciones en los equipos de adquisición, un desafío clave en la práctica clínica. Los resultados experimentales demuestran que el modelo propuesto supera consistentemente los métodos de referencia, logrando una precisión y robustez superiores en la detección de glaucoma dentro de poblaciones altamente miopes. Estos hallazgos subrayan el potencial de las herramientas de detección impulsadas por IA como ayudas diagnósticas confiables y precisas, apoyando a los clínicos en la detección temprana y el manejo efectivo del glaucoma en casos complejos., Este trabajo es parte del proyecto PID2023-148913OB-I00 financiado por MICIU/AEI/10.13039/501100011033 y por ”FEDER Una manera de hacer Europa”. Ha sido también financiado por la Consellería de Educación, Universidade e Formación Profesional, Xunta de Galicia, Grupos de Referencia Competitiva, [código ED431C 2024/33], ayuda predoctoral [ED481A-2023-152]. Además, está apoyado por el ISCIII bajo la ayuda [FORT23/00010] como parte del Programa FORTALECE del Ministerio de Ciencia e Innovación; y el proyecto de investigación [PI23/00828]: Desarrollo evaluación de un algoritmo de detección de glaucoma a partir de un abordaje multimodal en pacientes con miopía magna., Xunta de Galicia; ED431C 2024/33, Xunta de Galicia; ED481A-2023-152
RUC. Repositorio da Universidade da Coruña
Publication Artículo científico (JournalArticle)

Circumpapillary OCT-based multi-sector analysis of retinal layer thickness in patients with glaucoma and high myopia

  • Gende, M.
  • Moura, Joaquim de
  • Robles, Patricia
  • Fernández-Vigo, José Ignacio
  • Martínez-de-la-Casa, José María
  • García-Feijóo, Julián
  • Novo Buján, Jorge
  • Ortega Hortas, Marcos
[Abstract]: Glaucoma is the leading cause of irreversible blindness worldwide. The diagnosis process for glaucoma involves the measurement of the thickness of retinal layers in order to track its degeneration. The elongated shape of highly myopic eyes can hinder this diagnosis process, since it affects the OCT scanning process, producing deformations that can mimic or mask the degeneration caused by glaucoma. In this work, we present the first comprehensive cross-disease analysis that is focused on the anatomical structures most impacted in glaucoma and high myopia patients, facilitating precise differential diagnosis from those solely afflicted by myopia. To achieve this, a fully automatic approach for the retinal layer segmentation was specifically tailored for the accurate measurement of retinal thickness in both highly myopic and emmetropic eyes. To the best of our knowledge, this is the first approach proposed for the analysis of retinal layers in circumpapillary optical coherence tomography images that takes into account the elongation of the eyes in myopia, thus addressing critical diagnostic needs. The results from this study indicate that the temporal superior (mean difference 11.1 µm, p < 0.05, nasal inferior (13.1 µm, p < 0.01) and temporal inferior (13.3 µm, p < 0.01) sectors of the retinal nerve fibre layer show the most significant reduction in retinal thickness in patients of glaucoma and myopia with regards to patients of myopia., This research was funded by Ministerio de Ciencia e Innovación, Government of Spain [research projects PDC2022-133132-I00,TED2021-131201B-I00, and PID2023-148913OB-I00]; Consellería de Cultura, Educación e Universidade, Xunta de Galicia, through Grupos de Referencia Competitiva [grant number ED431C 2024/33], predoctoral grant [grant number ED481A 2021/161]. This work was supported by the Instituto de Salud Carlos III (ISCIII) under the grant [FORT23/00010] as part of the Programa FORTALECE of Ministerio de Ciencia e Innovación and research project [PI23/00828]: Desarrollo evaluación de un algoritmo de detección de glaucoma a partir de un abordaje multimodal en pacientes con miopía magna, as well as Thea Research Grant 2022-2024. The funding organisations had no role in the design or conduct of this research. Funding for open access charge: Universidade da Coruña/CISUG., Xunta de Galicia; ED431C 2024/33, Xunta de Galicia; ED481A 2021/161