Ingeniería de descriptores para la detección automática de vasos sanguíneos en imágenes de fondo de ojo
posted on April 2, 2017


Podés acceder al documento de la tesis desde este link.

Resumen

Las enfermedades oftalmológicas afectan a un amplio sector de la población mundial, causando diversas complicaciones visuales e incluso ceguera. Las enfermedades que mayores casos de ceguera reportan son la retinopatía diabética, la degeneración macular asociada a la edad y el glaucoma, las cuales pueden llegar a ser evitables o controladas en su evolución mediante acciones de prevención y detección temprana. Para ello es necesario diagnosticarlas mediante imágenes de fondo de ojo, que constituyen una modalidad de imagen médica económica y no invasiva ampliamente utilizada en este sentido. En particular, el uso de métodos computacionales que asistan este tipo de diagnóstico permiten complementar la opinión del profesional médico, reducir la variabilidad entre expertos y alcanzar diagnósticos más certeros. Del amplio conjunto de estos algoritmos, muchos requieren contar con segmentaciones de los vasos sanguíneos, ya sea para caracterizar variaciones asociadas a la presencia de alguna enfermedad, o para facilitar la detección de estructuras patológicas. Aunque se han propuesto numerosos enfoques para obtener segmentaciones del árbol vascular automáticamente, los mismos presentan dificultades al momento de ser aplicados en contextos reales. Una de las principales razones es que poseen un gran número de parámetros asociados, que no son estables al variar la resolución de las imágenes. Esto plantea la necesidad de ajustarlos de acuerdo a características intrínsecas de la imagen tales como el calibre de los vasos, el diámetro del disco óptico, etc. El objetivo de este trabajo final es el estudio y desarrollo de un algoritmo de estimación de parámetros que contribuya a automatizar el ajuste de un método de segmentación existente. El mismo permite, a partir de una serie de parámetros óptimos observados en imágenes de baja resolución, estimar automáticamente su configuración para trabajar sobre imágenes de mayor resolución. Así mismo, se propone una estrategia para realizar un mejor preprocesamiento de las imágenes, a fin de reducir los efectos que artefactos tales como el ruido, la iluminación despareja o la falta de contraste tienen sobre los resultados. Finalmente, se propone una configuración óptima para un método de segmentación previamente desarrollado, que logra mejoras significativas en los resultados obtenidos en imágenes de alta resolución. Los experimentos realizados sobre diferentes conjuntos de datos estándar indican que el estimador propuesto permite obtener segmentaciones precisas del árbol vascular en imágenes de alta resolución, mejorando resultados obtenidos previamente utilizando otros enfoques. De igual forma, se demostró el impacto positivo que el método de preprocesamiento tiene sobre diferentes indicadores relevados.