Diseño y estudio de estrategias de clasificación de EMD en imágenes TCO basadas en aprendizaje profundo
Use este enlace para citar
http://hdl.handle.net/2183/31268
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España
Colecciones
Metadatos
Mostrar el registro completo del ítemTítulo
Diseño y estudio de estrategias de clasificación de EMD en imágenes TCO basadas en aprendizaje profundoAutor(es)
Directores
Penedo, ManuelNovo Buján, Jorge
Fecha
2022Centro/Dpto/Entidad
Enxeñaría informática, Grao enDescripción
Traballo fin de grao. Enxeñaría Informática. Curso 2021/2022Resumen
[Resumen] El Edema Macular Diabético (EMD) es una de las principales causas de ceguera en países
desarrollados. El daño progresivo al sistema vascular de la retina, ocasionado por la diabetes,
facilita que existan filtraciones de fluido a la mácula, parte de la retina encargada de la visión
central y de los detalles: inflamándola y formando edemas en ella.
La detección temprana de esta enfermedad y su subsiguiente monitorización es
crucial en su tratamiento. Para llevar esta tarea acabo, la técnica más prevalente es la
Tomografía de Coherencia Óptica (TCO), la cual permite obtener de forma no invasiva
imágenes transversales del tejido de la retina y de sus edemas.
En función de en qué capa de la mácula se encuentren y de cuál sea su densidad, estos
edemas se clasifican en tres categorías a menudo coexistentes, cuya separación en las
tomografías es difusa y de gradual gravedad: el engrosamiento difuso de retina, el edema
macular quístico y el desprendimiento seroso de retina.
Para un único clínico, lidiar con la incertidumbre asociada a la diferenciación de estos
subtipos es una tarea ardua y tediosa. El diagnóstico asistido por ordenador (DAO)
permite reducir esta problemática: ofreciendo una segunda opinión basada en la de otros
expertos que permita al clínico dar evaluaciones más objetivas ahorrando, a su vez, tiempo y
recursos.
Teniendo presentes los puntos anteriores, en este proyecto se desarrollará una metodología
iterativa incremental cuyo objetivo es clasificar la existencia de EMD y sus subtipos
en imágenes TCO. Para lograrlo, se emplearán y adaptarán técnicas del estado del arte del
aprendizaje profundo, como las redes convolucionales o la transferencia de conocimiento,
y se diseñarán nuevas basándose en las necesidades del problema. [Abstract] Diabetic Macular Edema (DME) is one of the main causes of blindness in developed
countries. The degenerative state of the vascular system, caused by diabetes, facilitates
leakage of fluids to the different tissues of the body: inflaming and forming edemas in them.
When this occurs in macula (retinal tissue responsible for central vision and details) is known
as Diabetic Macular Edema (DME).
Early detection of DME and its subsequent monitoring is crucial in its treatment, otherwise,
this disease can cause irreversible damage (such as tissue ruptures) or requires of expensive
and invasive treatments. To detect and monitor it, the most prevalent technique is
the Optical Coherence Tomography (OCT) which allows obtaining non-invasive
cross-sectional images of the retinal tissue and its edema.
Depending on which layer of macula it is in and its density, these edemas are classified into
three categories (from less to greater severity): diffuse retinal thickening (DRT), cystoid
macular edema (CME) and serous retinal detachment (SRD). These three types often
tend to coexist, and their separation use to be very diffuse.
Even with the benefits of use OCT images to identify DME, dealing with the diffuse
separation between DME subtypes is still a difficult task for an only clinician. Thanks to
computer-aided diagnosis (CAD), a second opinion can be offered based on other experts
opinions, which helps to give more objective evaluations, saving time and resources.
Keeping in mind these points, in this project an iterative and incremental methodology
will be developed to classify the existence of DME and their subtypes in TCO images.
To achieve this, state-of-the-art techniques of deep learning will be used, such as
convolutional networks or transfer learning, and new ones will be designed based on
the problem requirements.
Palabras clave
Inteligencia artificial
Visión artificial
Aprendizaje automático
Aprendizaje profundo
Transferencia de aprendizaje
Diagnóstico asistido por ordenador (DAO)
Oftalmología
Edema macular diabético (EMD)
Engrosamiento difuso de retina
Edema macular quístico
Desprendimiento seroso de retina
Tomografía de coherencia óptica
Visión artificial
Aprendizaje automático
Aprendizaje profundo
Transferencia de aprendizaje
Diagnóstico asistido por ordenador (DAO)
Oftalmología
Edema macular diabético (EMD)
Engrosamiento difuso de retina
Edema macular quístico
Desprendimiento seroso de retina
Tomografía de coherencia óptica
Derechos
Atribución-NoComercial-SinDerivadas 3.0 España