Detección de glistenings en lentes intraoculares con OCT-SA mediante deep learning multi-tarea

UDC.coleccionInvestigaciónes_ES
UDC.conferenceTitleBioIntegraSaúde - BIS 2025es_ES
UDC.departamentoCiencias da Computación e Tecnoloxías da Informaciónes_ES
UDC.grupoInvGrupo de Visión Artificial e Recoñecemento de Patróns (VARPA)es_ES
dc.contributor.authorÁlvarez-Rodríguez, Lorena
dc.contributor.authorMoura, Joaquim de
dc.contributor.authorFernández-Vigo, José Ignacio
dc.contributor.authorMacarro-Merino, Ana
dc.contributor.authorFernández-Vigo, José A.
dc.contributor.authorNovo Buján, Jorge
dc.contributor.authorOrtega Hortas, Marcos
dc.date.accessioned2025-05-16T13:58:39Z
dc.date.available2025-05-16T13:58:39Z
dc.date.issued2025-05
dc.descriptionPoster presentado en BioIntegraSaúde - BIS 2025, Santiago de Compostela, 15 de maio de 2025.es_ES
dc.description.abstract[Resumen]: Las lentes intraoculares (LIO) son dispositivos ópticos implantados quirúrgicamente en la cápsula posterior del cristalino, habitualmente tras cirugía de cataratas u otros trastornos del cristalino. Estas lentes pueden desarrollar glistenings, microvacuolas llenas de agua que aparecen en su interior y pueden afectar a la transparencia y calidad óptica. Tradicionalmente, su evaluación se ha realizado mediante fotografía con lámpara de hendidura, una técnica sensible a factores externos como la iluminación o la dilatación pupilar. Recientemente, se ha propuesto la tomografía de coherencia óptica del segmento anterior (OCT-SA) como alternativa más rápida y objetiva, con buenos resultados preliminares. Con el objetivo de facilitar la evaluación de las LIO y validar el uso de la OCT-SA, presentamos un enfoque automático basado en deep learning para detectar y caracterizar glistenings en imágenes OCT-SA. Desarrollamos un modelo multi-tarea que identifica simultáneamente las zonas con glistenings y el área ocupada por la LIO (LIOa). Este enfoque mejora la precisión, ya que la localización de la lente aporta un contexto anatómico clave para interpretar correctamente la presencia y distribución de los glistenings. A su vez, la detección precisa de la LIOa es esencial para su evaluación estructural y seguimiento clínico. Nuestro estudio es el primero en aplicar esta metodología combinada y validarla sobre un conjunto de datos clínico altamente heterogéneo, con imágenes de 19 modelos distintos de LIO y diversos grados de opacificación. El modelo alcanzó un alto grado de acuerdo con las anotaciones de expertos (ICC > 0.93), a la par de estudios previos con enfoques más simples y menos variedad de datos. Estos resultados confirman el potencial de los métodos automáticos basados en deep learning para facilitar una evaluación más rápida, objetiva y reproducible de los glistenings en entornos clínicos, con especial utilidad en el seguimiento de pacientes con LIO.es_ES
dc.description.sponsorshipEste trabajo es parte del proyecto PID2023-148913OB-I00 financiado por MICIU/AEI/10.13039/501100011033 y por ”FEDER Una manera de hacer Europa”. Ha sido también financiado por el Instituto de Salud Carlos III (Programa FORTALECE, FORT23/00010) y la Xunta de Galicia mediante la Consellería de Educación, Universidade e Formación Profesional (Grupos de Referencia Competitiva, ED431C 2024/33). Las organizaciones financiadoras no participaron en el diseño o ejecución de esta investigación.es_ES
dc.description.sponsorshipXunta de Galicia; ED431C 2024/33es_ES
dc.identifier.citationÁlvarez Rodríguez, L.; de Moura Ramos, J.; Fernández-Vigo, J.I.; Macarro Merino, A.; Fernández-Vigo, J.A.; Novo Buján, J.; Ortega Hortas, M. (2025). Detección de glistenings en lentes intraoculares con OCT-SA mediante deep learning multi-tarea. En BioIntegraSaúde - BIS 2025, Santiago de Compostela, 15 de maio de 2025.es_ES
dc.identifier.urihttp://hdl.handle.net/2183/42013
dc.language.isospaes_ES
dc.publisherIDISes_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica, Técnica y de Innovación 2021-2023/PID2023-148913OB-I00/ES/IA CONFIABLE Y EXPLICABLE PARA EL DIAGNOSTICO POR IMAGEN MEDICA ASISTIDO POR ORDENADOR: NUEVOS AVANCES Y APLICACIONESes_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/ISCIII/Plan Estatal de Investigación Científica, Técnica y de Innovación 2021-2023/FORT23%2F00010/ES/Solicitud del Instituto de Investigación Biomédica de A Coruña (INIBIC) para el Programa FORTALECEes_ES
dc.relation.urihttps://www.idisantiago.es/wp-content/uploads/2025/05/IDIS_BIS25_comunicacions-posteres.pdfes_ES
dc.rights.accessRightsopen accesses_ES
dc.subjectGlisteningses_ES
dc.subjectLentes intraoculareses_ES
dc.subjectOCT-SAes_ES
dc.subjectInteligencia artificiales_ES
dc.subjectImagen médicaes_ES
dc.titleDetección de glistenings en lentes intraoculares con OCT-SA mediante deep learning multi-tareaes_ES
dc.typeconference outputes_ES
dc.type.hasVersionVoRes_ES
dspace.entity.typePublication
relation.isAuthorOfPublication028dac6b-dd82-408f-bc69-0a52e2340a54
relation.isAuthorOfPublication0fcd917d-245f-4650-8352-eb072b394df0
relation.isAuthorOfPublication1fb98665-ea68-4cd3-a6af-83e6bb453581
relation.isAuthorOfPublication.latestForDiscovery028dac6b-dd82-408f-bc69-0a52e2340a54

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
AlvarezRodriguez_Lorena_2025_Deteccion_de_glistenings_en_lentes_intraoculares_con_OCT_SA.pdf
Size:
5.98 MB
Format:
Adobe Portable Document Format
Description: