Mostrar o rexistro simple do ítem

Impact of the Region of Analysis on the Performance of the Automatic Epiretinal Membrane Segmentation in OCT Images

dc.contributor.authorGende, M.
dc.contributor.authorIglesias Morís, Daniel
dc.contributor.authorMoura, Joaquim de
dc.contributor.authorNovo Buján, Jorge
dc.contributor.authorOrtega Hortas, Marcos
dc.date.accessioned2024-05-03T13:28:32Z
dc.date.available2024-05-03T13:28:32Z
dc.date.issued2023-02-10
dc.identifier.citationGende, M., Morís, D.I., de Moura, J., Novo, J., Ortega, M. (2022). Impact of the Region of Analysis on the Performance of the Automatic Epiretinal Membrane Segmentation in OCT Images. In: Moreno-Díaz, R., Pichler, F., Quesada-Arencibia, A. (eds) Computer Aided Systems Theory – EUROCAST 2022. EUROCAST 2022. Lecture Notes in Computer Science, vol 13789. Springer, Cham. https://doi.org/10.1007/978-3-031-25312-6_46es_ES
dc.identifier.isbn978-3-031-25311-9
dc.identifier.isbn978-3-031-25312-6
dc.identifier.urihttp://hdl.handle.net/2183/36402
dc.descriptionEurocast 2022, 18th International Conference on Computer Aided Systems Theory. Museo Elder de la Ciencia y la Tecnología, Las Palmas de Gran Canaria, Spain, 20-25 February 2022.es_ES
dc.description.abstract[Absctract]: The Epiretinal Membrane (ERM) is an ocular pathology that can cause permanent visual loss if left untreated for long. Despite its transparency, it is possible to visualise the ERM in Optical Coherence Tomography (OCT) images. In this work, we present a study on the impact of the analysis region on the performance of an automatic ERM segmentation methodology using OCT images. For this purpose, we tested 5 different sliding windows sizes ranging from to pixels to calibrate the impact of the field of view under analysis. Furthermore, 3 different approaches are proposed to enable the analysis of the regions close to the edges of the images. The proposed approaches provided satisfactory results, with each of them interacting differently with the variations in window size.es_ES
dc.description.sponsorshipThis research was funded by Instituto de Salud Carlos III, Government of Spain, [DTS18/00136]; Ministerio de Ciencia e Innovación y Universidades, Government of Spain, [RTI2018-095894-B-I00]; Ministerio de Ciencia e Innovación, Government of Spain through the research project [PID2019- 108435RB-I00]; Consellería de Cultura, Educación e Universidade, Xunta de Galicia, Grupos de Referencia Competitiva, [ED431C 2020/24] and predoctoral grants [ED481A 2021/161] and [ED481A 2021/196]; Axencia Galega de Innovación (GAIN), Xunta de Galicia, grant ref. [IN845D 2020/38]; CITIC, Centro de Investigación de Galicia ref. [ED431G 2019/01] receives financial support from Consellería de Educación, Universidade e Formación Profesional, Xunta de Galicia through the ERDF (80%) and Secretaría Xeral de Universidades (20%).es_ES
dc.description.sponsorshipXunta de Galicia; ED431C 2020/24es_ES
dc.description.sponsorshipXunta de Galicia; ED481A 2021/161es_ES
dc.description.sponsorshipXunta de Galicia; ED481A 2021/196es_ES
dc.description.sponsorshipXunta de Galicia; IN845D 2020/38es_ES
dc.description.sponsorshipXunta de Galicia; ED431G 2019/01es_ES
dc.language.isoenges_ES
dc.publisherSpringeres_ES
dc.relationinfo:eu-repo/grantAgreement/MICINN/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/DTS18%2F00136/ES/Plataforma online para prevención y detección precoz de enfermedad vascular mediante análisis automatizado de información e imagen clínicaes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-095894-B-I00/ES/DESARROLLO DE TECNOLOGIAS INTELIGENTES PARA DIAGNOSTICO DE LA DMAE BASADAS EN EL ANALISIS AUTOMATICO DE NUEVAS MODALIDADES HETEROGENEAS DE ADQUISICION DE IMAGEN OFTALMOLOGICAes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-108435RB-I00/ES/CUANTIFICACIÓN Y CARACTERIZACIÓN COMPUTACIONAL DE IMAGEN MULTIMODAL OFTALMOLÓGICA: ESTUDIOS EN ESCLEROSIS MÚLTIPLEes_ES
dc.relation.urihttps://doi.org/10.1007/978-3-031-25312-6_46es_ES
dc.subjectComputer-aided Diagnosises_ES
dc.subjectOptical Coherence Tomographyes_ES
dc.subjectEpiretinal Membranees_ES
dc.subjectSegmentationes_ES
dc.subjectDeep Learninges_ES
dc.titleImpact of the Region of Analysis on the Performance of the Automatic Epiretinal Membrane Segmentation in OCT Imageses_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.rights.accessinfo:eu-repo/semantics/openAccesses_ES
UDC.journalTitleLecture Notes in Computer Sciencees_ES
UDC.volume13789es_ES
UDC.startPage395es_ES
UDC.endPage402es_ES
UDC.conferenceTitleComputer Aided Systems Theory – EUROCAST 2022es_ES


Ficheiros no ítem

Thumbnail
Nome:
Gende_Mateo_2023_Impact_region ...
Tamaño:
2.052Mb
Formato:
PDF
Descrición:
Accepted Manuscript
Ver/abrir

Este ítem aparece na(s) seguinte(s) colección(s)

Mostrar o rexistro simple do ítem