Detección de Exudados y Microaneurismas en la Retina por Segmentaciónen Imágenes de Fondo

Autores/as

  • Eduardo Bernal Catalán Tecnológico Nacional de México / Instituto Tecnológico de Acapulco, México
  • Eduardo De la Cruz Gámez Tecnológico Nacional de México / Instituto Tecnológico de Acapulco, México
  • José Antonio Montero Valverde Tecnológico Nacional de México / Instituto Tecnológico de Acapulco, México https://orcid.org/0009-0000-5357-3257
  • Rafael Hernández Reyna Tecnológico Nacional de México / Instituto Tecnológico de Acapulco, México
  • José Luis Hernández Hernández Tecnológico Nacional de México / Instituto Tecnológico de Chilpancingo, México

DOI:

https://doi.org/10.17488/RMIB.42.2.6

Palabras clave:

Retinopatía diabética, Exudados, Microaneurismas, Procesamiento de imágenes, Segmentación

Resumen

Este artículo propone dos metodologías para la detección de lesiones en la retina, que pueden significar la presencia de retinopatía diabética (RD). Mediante el uso de técnicas de procesamiento de imágenes digitales se logra aislar los pixeles que corresponden a una lesión propia de RD, para lograr segmentar microaneurismas se resaltan los bordes de los objetos contenido en la imagen con la finalidad de detectar los contornos de los objetos para seleccionar por tamaño los que cumplan con un área de 15 a 25 pixeles en el caso de imágenes de 512x512 y se identifiquen los objetos como posibles microaneurismas, mientras que para la detección de exudados se selecciona el canal verde para contrastar los objetos luminosos en la retinografía y a partir de la conversión a escala de grises se grafica un histograma para identificar el umbral idóneo para la segmentación de los pixeles que pertenecen a los exudados al final eliminar el disco óptico previamente identificado por un especialista. Se creó una matriz de confusión supervisada por un oftalmólogo para cuantificar los resultados obtenidos por las dos metodologías obteniendo una especificidad del 0.94 y una sensibilidad del 0.97, unos valores que son sobresalientes para proceder con la etapa de clasificación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Basto-Abreu A, Barrientos-Gutiérrez T, Rojas Martínez R, et al. Prevalencia de diabetes y descontrol glucémico en México: resultados de la Ensanut 2016. Salud Publica Mex [Internet]. 2020;62(1):50-59. Available from: https://doi.org/10.21149/10752

Martínez Rubio M, Moya Moya M, Bellot Bernabé A, et al. Cribado de retinopatía diabética y teleoftalmología. Arch Soc Esp Oftalmol [Internet]. 2012;87(12):392-395. Available from: http://dx.doi.org/10.1016/j.oftal.2012.04.004

Instituto Nacional de Salud Pública. Encuesta Nacional de Salud y Nutrición de Medio Camino 2016 [Internet]. Secretaria de Salud; 2016. Available from: https://ensanut.insp.mx/encuestas/ensanut2016/informes.php

Federación Mexicana de Diabetes A. C. Retinopatía diabética [Internet]. Federación Mexicana de Diabetes A. C; 2017. Available: http://fmdiabetes.org/retinopatia-diabetica-estadisticas/

Akram UM, Khan SA. Automated Detection of Dark and Bright Lesions in Retinal Images for Early Detection of Diabetic Retinopathy. J Med Syst [Internet]. 2012;36(5):3151–3162. Available from: https://doi.org/10.1007/s10916-011-9802-2

Harangi B, Hajdu A. Automatic exudate detection by fusing multiple active contours and regionwise classification. Comput Biol Med [Internet]. 2014;54(1):156–171. Available from: https://doi.org/10.1016/j.compbiomed.2014.09.001

Norma RH, Janet MP, Miguel MU, et al. Detección de microaneurismas en la retina. XXXVIII Congreso Nacional de Ingeniería Biomédica. Ingeniería Biomédica. Mazatlán: SOMIB; 2015;92-95.

Martinez-Perez ME, Highes AD, Stanton, AV, et al. Retinal vascular tree morphology: A Semi-Automatic Quantification. IEEE Trans Biomed Eng [Internet]. 2002;49(8):912-917. Available from: https://doi.org/10.1109/tbme.2002.800789

Gelman R, Martínez Pérez ME, Vanderveen DK, et al. Diagnosis of Plus Disease in Retinopathy of Prematurity Using Retinal Image multiScale Analysis. Investig Ophthalmol Vis Sci [Internet]. 2005;46(12):4734-4738. Available from: https://doi.org/10.1167/iovs.05-0646

Decencière E, Zhang X, Cazuguel G, et al. FEEDBACK ON A PUBLICLY DISTRIBUTED IMAGE DATABASE: THE MESSIDOR DATABASE. Image Anal Stereol [Internet]. 2014;33(3):231-234. Available from: https://doi.org/10.5566/ias.1155

Uribe Valencia LJ. Detección automática de exudados en imágenes a color del fondo del ojo para el pre-diagnóstico de la retinopatía diabética [master's thesis]. [Tonantzintla]: Instituto Nacional de Astrofísica, Óptica y Electrónica, 2014. 99p. Spanish.

Flores Mamani O. Sistema de diagnóstico de la retinopatía diabética mediante imágenes digitales [dissertation]. [Ciudad de la Paz]: Universidad Mayor de San Andrés, 2014. 108p. Spanish.

Vivanco LMQ, Sánchez FH, Marañón DCE. Optimización de los filtros mediana-gaussiano para una mejor convergencia del snake en la segmentación de imágenes médicas. In: XV Convención y Feria Internacional Informática 2013 – I Congreso Integracionista de las Ciencias y las Tecnologías Informáticas. La Habana: Ministerio de Informática y Comunicaciones; 2013. Spanish.

Rapantzikos K, Zervakis M, Balas, K. Detection and segmentation of drusen deposits on human retina: Potential in the diagnosis of age-related macular degeneration. Med Image Anal [Internet]. 2003;7(1):95–108. Available from: https://doi.org/10.1016/s1361-8415(02)00093-2

Flores Eraña JG. Síntesis digital de color utilizando tonos de gris [master's thesis]. [San Luis Potosí]: Universidad Autónoma de San Luis Potosí, 2009. 49p. Spanish.

Sepulveda Giraldo A. Procesamiento de imágenes por medio de filtros acusto-ópticos [master's thesis]. [Pereira]: Universidad Tecnológica de Pereira, 2007. 80p.

García M, Sánchez, CI, Poza J, et al. Detection of Hard Exudates in Retinal Images Using a Radial Basis Function Classifier. Ann Biomed Eng [Internet]. 2009;37(7):1448–1463. Available from: https://doi.org/10.1007/s10439-009-9707-0

La Serna Palomino S, Román Concha UN. Técnicas de segmentación en procesamiento digital de imágenes. RISI [Internet]. 2009;6(2):9-16. Available from: https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/3299

Schwarz MW, Cowan WB, Beatty JC. An experimental comparison of RGB, YIQ, LAB, HSV, and opponent color models. ACM Trans Graph [Internet]. 1987;6(2):123–158. Available from: https://doi.org/10.1145/31336.31338

Mokrzycki WS, Tatol M. Perceptual difference in Lab Colour space as the base for object colour identification. In: Burduk R, Kurzynski M, Wozniak M, Zolnierek A (eds). Computer Recognition Systems 4 [Internet]. Berlin: Springer-Verlag Berlin Heidelberg; 2009. Available from: https://doi.org/10.13140/2.1.3650.5927

Wisaeng K, Sa-Ngiamvibool W. Exudates Detection Using Morphology Mean Shift Algorithm in Retinal Images. IEEE Access [Internet]. 2019;7:11946-11958. Available from: https://doi.org/10.1109/ACCESS.2018.2890426

Akter, M, Uddin MS, Khan MH. Morphology-Based Exudates Detection from Color Fundus Images in Diabetic Retinopathy. In 2014 International Conference on Electrical Engineering and Information & Communication Technology [Internet]. Dhaka: IEEE; 2014:1-4. Available from: https://doi.org/10.1109/ICEEICT.2014.6919124

Fleming AD, Philip S, Goatman KA, et al. Automated microaneurysm detection using local contrast normalization and local vessel detection. IEEE Trans Med Imag [Internet]. 2006;25(9):1223–1232. Available from: https://doi.org/10.1109/TMI.2006.879953

Hipwell JH, Strachan F, Olson JA, et al. Automated detection of microaneurysms in digital red-free photographs: a diabetic retinopathy screening tool. Diabet Med [Internet]. 2000;17(8):588–594. Available from: https://doi.org/10.1046/j.1464-5491.2000.00338.x

Descargas

Publicado

2021-05-20

Cómo citar

Bernal Catalán, E., De la Cruz Gámez, E. ., Montero Valverde, J. A. ., Hernández Reyna, R. ., & Hernández Hernández, J. L. (2021). Detección de Exudados y Microaneurismas en la Retina por Segmentaciónen Imágenes de Fondo. Revista Mexicana De Ingenieria Biomedica, 42(2), 67–77. https://doi.org/10.17488/RMIB.42.2.6

Número

Sección

Artículos de Investigación

Citas Dimensions