Segmentation of retinal vascular structures using deep learning through inference of geometric representations

Abstract

[Abstract]: A retinography is a medical imaging diagnostic tool which stands out as one of the most widely accessible, affordable and non-invasive, for not only ocular, but also systemic diseases diagnose. Through vascular abnormalities present on these images, different diseases such as diabetic retinopathy, hypertension, or glaucoma, may be identified. Computer vision systems which take advantage of this imaging tools are fundamental, concretely, Deep learning methods have powerfully emerged to automate the segmentation of retinal vessels, enabling rapid identification of the above mentioned abnormalities. The effectiveness of these models relies heavily on ground truth, which often lacks structural coherence and may limit the ability of models to learn anatomically meaningful representations. To explore alternative segmentation strategies, this project proposes a methodology that integrates geometric representation inference into deep learning frameworks. This methodology is based on the conversion of already segmented arteriovenous tree ground truth into three discrete maps: a binary map of vessel centers, a displacement map encoding the subpixel offset of each center, and a radius map representing the distance from the subpixel center to the vessel boundary. This method shifts the focus from pixel level detail to exploring whether the model can learn representations that reflect the true anatomical structure of the retinal vascular network. To assess its potential, different alternatives of the proposed method are evaluated and compared to determine which approach shows the best capacity to generate precise and interpretable vascular maps that may support the identification of different biomarkers and contribute to improve the consistency of diagnostic support systems in clinical practice.

[Resumo]: Unha retinografía é unha ferramenta de diagnóstico por imaxe médica que destaca por ser unha das máis accesibles, económicas e non invasivas, tanto para o diagnóstico de enfermidades oculares como sistémicas. A través das anormalidades vasculares presentes nestas imaxes, pódense identificar diferentes enfermidades como a retinopatía diabética, a hipertensión ou o glaucoma. Os sistemas de visión por computador que aproveitan esta ferramenta de imaxe son fundamentais; concretamente, os métodos de aprendizaxe profunda emerxeron con forza para automatizar a segmentación dos vasos retinianos, permitindo unha identificación rápida das devanditas anormalidades. A eficacia destes modelos depende en gran medida do ground truth, que a miúdo carece de coherencia estrutural e pode limitar a capacidade dos modelos para aprender representacións con significado anatómico. Para explorar estratexias alternativas de segmentación, este proxecto propón unha metodoloxía que integra a inferencia de representacións xeométricas en marcos de traballo de aprendizaxe profunda. Esta metodoloxía baséase na conversión do ground truth do arborado arteriovenoso xa segmentado en tres mapas discretos: un mapa binario dos centros dos vasos, un mapa de desprazamentos que codifica o desprazamento subpíxel de cada centro, e un mapa de radios que representa a distancia desde o centro subpíxel ata o bordo do vaso. Este método despraza o foco do detalle a nivel de píxel para explorar se o modelo pode aprender representacións que reflictan a verdadeira estrutura anatómica da rede vascular da retina. Para avaliar o seu potencial, analízanse e compáranse diferentes alternativas do método proposto co fin de determinar cal delas presenta a mellor capacidade para xerar mapas vasculares precisos e interpretables, que poidan apoiar a identificación de distintos biomarcadores e contribuír a mellorar a consistencia dos sistemas de apoio ao diagnóstico na práctica clínica.