Automatic Detection and Characterization of Pathological Fluid Regions in Optical Coherence Tomography Images

Abstract

[Abstract] Intraretinal fluid accumulation is both the common symptom and culprit of the main causes of blindness in developed countries: Age-related Macular Degeneration and Diabetic Macular Edema. For its diagnosis, experts of the domain employ Optical Coherence Tomography images (OCT), providing non-invasive cross-sectional representations of the retinal structures. However, like any medical imaging modality, OCT is influenced by multiple factors that impact its quality and subsequent interpretation. Coupled with the subjectiveness of the human experts, these factors can significantly affect the diagnostic process, treatment and quality of life for the affected individuals (particularly in these pathologies where early detection is crucial). To address these challenges, Computer-Aided Diagnosis (CAD) methodologies are developed, offering a layer of abstraction of the information present in the images. Still, in the particular scenario of these pathological fluid accumulations, the development of these methodologies is specially difficult due to their diffuse nature without defined boundaries. In this thesis, we proposed different CAD methodologies with the objective of helping expert clinicians to better detect and understand these pathologies. Furthermore, we expand the developed methodologies to other medical imaging modalities and conditions, such as macular neovascularizations in OCT Angiographies and COVID-19 diagnosis through the analysis of lung chest radiographs.

[Resumen] La acumulación de líquido intrarretiniano es tanto síntoma común como culpable de las principales causas de ceguera en los países desarrollados: la degeneración macular asociada a la edad y el edema macular diabético. Para su diagnóstico, los expertos en el campo emplean imágenes de Tomografía de Coherencia Óptica (OCT), que proporcionan representaciones transversales no invasivas de las estructuras retinianas. Sin embargo, al igual que cualquier modalidad de imagen médica, OCT se ve influenciado por múltiples factores que afectan a su calidad y posterior interpretación. Junto con la subjetividad de los expertos humanos, estos factores pueden afectar significativamente el proceso diagnóstico, tratamiento y calidad de vida de las personas afectadas (particularmente en estas patologías donde una detección temprana es crucial). Para abordar estos desafíos, se desarrollan metodologías de diagnóstico asistido por ordenador (CAD), que ofrecen una capa de abstracción de la información presente en las imágenes. Sin embargo, en el escenario particular de estas acumulaciones patológicas de fluido, el desarrollo de estas metodologías es especialmente difícil debido a su naturaleza difusa, sin bordes definidos. En esta tesis doctoral proponemos diferentes metodologías CAD con el objetivo de ayudar a las personas expertas del dominio a detectar y comprender mejor estas patologías. Además, expandimos las metodologías desarrolladas a otras modalidades de imagen médica y afecciones, como al análisis de neovascularizaciones maculares en Angiografía OCT y al diagnóstico de COVID-19 mediante radiografías torácicas.

[Resumo] A acumulación de líquido intrarretiniano é tanto o síntoma común como culpable das principais causas de cegueira nos países desenvolvidos: a dexeneración macular asociada á idade e o edema macular diabético. Para o seu diagnóstico, os expertos no campo empregan imaxes de tomografía de coherencia óptica (OCT), que proporcionan representacións transversais non invasivas das estruturas retinianas. Non obstante, ao igual que calquera modalidade de imaxe médica, a OCT vese influenciada por múltiples factores que afectan a s´ua calidade e a súa posterior interpretación. Xunto coa subxectividade dos expertos humanos, estes factores poden afectar significativamente ao proceso diagn´ostico, ao tratamento e á calidade de vida das persoas afectadas (particularmente nestas patoloxías onde unha detección precoz é crucial). Para abordar estes desafíos, desenvólvense metodoloxías de diagnóstico asistido por ordenador (CAD), que ofrecen unha capa de abstracción da información presente nas imaxes. Non obstante, no escenario particular das acumulacións patolóxicas de líquido, o desenvolvemento destas metodoloxías é especialmente difícil debido a súa natureza difusa, sen bordes definidos. Nesta tese de doutoramento propoñemos diferentes metodoloxías de CAD co obxectivo de axudar ás persoas expertas do campo a detectar e comprender mellor estas patoloxías. Ademais, expandimos as metodoloxías desenvoltas a outras modalidades de imaxe médica e patoloxías, como a an´alise de neovascularizacións maculares en Anxiografía OCT e ao diagnóstico da COVID-19 mediante a análise de radiografías torácicas.