Detección automática de microaneurismas en retinografías

  1. S. Jiménez
  2. P. Alemany
  3. F. Núñez Benjumea
  4. C. Serrano
  5. B. Acha
  6. I. Fondón
  7. F. Carral
  8. C. Sánchez
Revista:
Archivos de la Sociedad Española de Oftalmologia

ISSN: 0365-6691

Año de publicación: 2011

Volumen: 86

Número: 9

Páginas: 277-281

Tipo: Artículo

DOI: 10.1016/J.OFTAL.2011.04.015 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Archivos de la Sociedad Española de Oftalmologia

Resumen

Propósito: Presentamos el desarrollo de una herramienta para la detección automática de microaneurismas y su evaluación clínica. El propósito de esta herramienta es facilitar el diagnóstico de lesiones diabéticas en programas generales de detección. Método: La herramienta diseñada y desarrollada consta de tres etapas de procesamiento: 1) Obtención de la imagen de fondo de ojo con el retinógrafo, inversión del canal verde y filtrado paso de alta de la imagen. Esta fase realza los microaneurismas. 2) Detección de los candidatos a microaneurismas, mediante un filtrado de predicción adaptativo y un crecimiento de regiones. 3) Selección, de entre los candidatos, de los que deben considerarse microaneurismas por cumplir con los criterios de: forma circular, intensidad alta en el canal verde invertido y contraste respecto a los píxeles de alrededor. Resultados: Se seleccionaron 20 retinografías de buena calidad y dimensiones 600×600 píxeles de pacientes con retinopatía diabética no proliferante. Los oftalmólogos detectaron un total de 297 microaneurismas en estas imágenes. La herramienta de detección automática localizó adecuadamente 252 microaneurismas, con una sensibilidad media del 89% y una tasa de falsos positivos del 93%. Conclusiones: Los resultados obtenidos parecen indicar que la herramienta desarrollada podría ser muy útil para su potencial utilización en programas de detección en los centros de asistencia primaria. Por otro lado, es necesario seguir trabajando en el algoritmo para disminuir la tasa de falsos positivos.

Referencias bibliográficas

  • Klein, R, Meuer, SM, Moss, SE, Klein, BE. (1995). Retinal microaneurysm counts and 10-year progression of diabetic retinopathy. Archives of Ophthalmology. 113. 1386
  • Lee, SC, Lee, ET, Kingsley, RM, Wang, Y, Russell, D, Klein, R. (2001). Comparison of diagnosis of early retinal lesions of diabetic retinopathy between a computer system and human experts. Arch Ophthalmol.. 119. 509
  • Lay, B. (1983). Analyse automatique des images angiofluorographiques au cours de la rétinopathie diabétique. School of Mines. Paris.
  • Spencer, T, Phillips, RP, Sharp, PF, Forrester, JV. (1991). Automated detection and quantification of microaneurysms in fluorescein angiograms. Graefe's Arch Clin Exp Ophthalmol.. 230. 36-41
  • Spencer, T, Olson, JA, McHardy, KC, Sharp, PF, Forrester, JV. (1996). An image processing strategy for the segmentation and quantification of microaneurysms in fluorescein angiograms of the ocular fundus. Computers in Biomedical Research. 29. 284-302
  • Usher, D, Dumsky, M, Himaga, M, Williamson, TH, Nussey, S, Boyce, J. (2004). Automated detection of diabetic retinopathy in digital retinal images: a tool for diabetic retinopathy screening. Diabetic Medicine. 21. 84
  • Mendoca, AM, Campilho, AJ, Nunes, JM. (1999). Automatic segmentation of microaneurysms in retinal angiogram of diabetic patients. Proc Int Conf on Image Analysis and Processing. 728
  • Øien, GE, Osnes, P. (1995). Automatic detection of early symptoms from retinal images. Proc Norwegian Signal Processing Symposium. 135
  • Niemeijer, M, van Ginneken, B, Staal, J, Suttorp-Schulten, MS, Abramoff, MD. (2005). Automatic detection of red lesions in digital color fundus photographs. IEEE Trans Medical Imaging. 24. 584
  • Walter, T, Massin, P, Erginay, A, Ordonez, R, Jeulin, C, Klein, J-C. (2007). Automatic detection of microaneurysms in color fundus images. Medical Image Analysis. 11. 555
  • Fleming, AD, Philip, S, Goatman, KA, Olson, JA, Sharp, PF. (2006). Automated microaneurysm detection using local contrast normalization and local vessel detection. IEEE Trans Medical Imaging. 25. 1223
  • Gonzalez, RC, Woods, RE. (2002). Digital Image Processing. 2. Prentice Hall. New Jersey.
  • Kuduvalli, GR, Rangayyan, RM. (1993). An Algorithm for Direct Computation of 2-D Linear Prediction Coefficients. IEEE Trans Signal Processing. 4. 996
  • Kuduvalli, GR, Rangayyan, RM. (1992). Performance of reversible image compression techniques for high-resolution digital teleradiology. IEEE Trans Medical Imaging. 11. 430
  • Acha, B, Serrano, C. (2003). Automatic detection of microaneurysms in retinal angiograms. Proc of Computer Assisted Radiology and Surgery (CARS). 17. 1328
  • Serrano, C, Acha, B, Revuelto, S. (2004). 2D adaptive filtering and region growing algorithm for the detection of microaneurysms in retinal angiographies. SPIE Int Symp on Medical Imaging. 1924
  • Acha, B, Serrano, C, Rangayyan, RM, Desautels, JEL. (2009). Detection of Microcalcifications in Mammograms Using Error of Prediction and Statistical Measures. Journal of Electronic Imaging. 18. 013011