Vascular damage detection through deep learning

Abstract

[Abstract] HET-CAM (Hen’s Egg Test - ChorioAllantoic Membrane) is a type of pharmaceutical analysis that measures the toxicity of a solution by administrating it to the chorioallantoic membrane of a fertilised egg. The membrane is used as an analogous tissue to that of the human eye in order to determine if a substance is suitable for human use. The process is recorded in video and analysed to chronologically locate three phases (haemorrhage, lysis and coagulation) that allow the classification of the toxic potential of the substance. HET-CAM is frequently used in the pharmaceutical industry to test substances, especially those destined to be used on the human eye. This approach has several advantages with respect to other methods like the Draize Test. It is easy to perform, affordable, and prevents unnecessary animal suffering. The main disadvantage is that the process is tedious and can be subjective as the beginning of each phase is manually marked by the person performing the analysis. This project aims to use computer science techniques, specifically deep learning and image processing, to automatically analyse the videos and set a more reliable ground for the classification of the substances. These techniques applied to the HET-CAM videos allow the extraction of objective data that defines the processes taking place in the membrane. This data can then be studied by the system to make an initial classification of the substance which can then be used by experts to make a more informed decision. Since there are no bibliographic precedents on solving this problem using artificial intelligence, part of the project will consist on the creation of a dataset that suits the needs of the chosen network architecture.

[Resumen] HET-CAM (Hen’s Egg Test - ChorioAllantoic Membrane) es un tipo de test clínico que sirve para medir la toxicidad de una sustancia al aplicarla a la membrana corioalantoidea de un huevo de gallina fecundado. La membrana sirve como análogo al tejido ocular humano a la hora de probar si un producto es apto para el consumo. El proceso es grabado en vídeo y analizado en función al orden cronológico de tres fases (hemorragia, lisis y coagulación) que permiten la clasificación del potencial irritante de la sustancia. HET-CAM se usa en la industria farmacéutica de manera frecuente, especialmente para fármacos destinados al ojo humano. Este método tiene varias ventajas con respecto a otros ensayos como el test de Draize. Es sencillo de realizar y previene sufrimiento animal innecesario. La principal desventaja es que el proceso es tedioso y subjetivo, ya que el inicio de las distintas fases es marcado de manera manual por una persona. Este proyecto pretende usar técnicas de computación, especialmente deep learning y procesado de imagen, para analizar automáticamente los vídeos y sentar una base más sólida a la hora de clasificar las sustancias. Estas técnicas aplicadas a los vídeos HET-CAM permiten la extracción de datos objetivos que definan los procesos que están teniendo lugar en la membrana. Estos datos son estudiados por el sistema para hacer una clasificación inicial que los expertos pueden usar para tomar decisiones más informadas. Dado que no hay antecedentes bibliográficos resolviendo este problema usando inteligencia artificial, parte del proyecto consistirá en la creación de un conjunto de datos que se amolde a las necesidades de la arquitectura de red escogida.