Detección automática del árbol vascular retinal en imágenes de fondo de ojo

Abstract

Esta tesis se ubica en el ámbito del análisis de las imágenes de fondo de ojo, también denominadas retinografías digitales, y más concretamente en la segmentación automática de la vasculatura retinal, Las estructuras vasculares presentes en las imágenes de fondo de ojo son estudiadas para la detección y seguimiento de diversas patologías, como son la retinopatía diabética, la hipertensión arterial, la arteriosclerosis, enfermedades cerebrovasculares, problemas cardiovasculares y otras patologías vasculares sistémicas. Además pueden ser empleadas en sistemas de autenticación biométrica. El modelo desarrollado en esta tesis propone una nueva metodología para detectar automáticamente el árbol vascular en imágenes de fondo de ojo que permite realizar un análisis preciso, repetible y eficiente del mismo. A pesar de que se han desarrollado hasta el momento métodos capaces de obtener una segmentación adecuadamente precisa, éstos presentan una eficiencia reducida para su aplicación real. Las principales dificultades que plantean las retinografías son el ruido, el contraste insuficiente y la iluminación inadecuada, además de la alta variabilidad anatómica entre pacientes y la estructura de la vasculatura retinal. El sistema propuesto está inspirado en el modelo de contorno deformable clásico, pero incorpora conocimiento específico del dominio, como son las propiedades topológicas de los vasos sanguíneos. Los contornos activos o snakes permiten integrar información extraída de la imagen por diversas técnicas. Así, este modelo se beneficia de las diferentes aplicaciones desarrolladas en nuestro grupo de investigación constituyendo un sistema de segmentación fiable y robusto. El snake que se empleará para la detección del árbol vascular de la retina está discretizado al igual que el espacio de trabajo donde lleva a cabo la segmentación, es decir, la imagen de fondo de ojo. De este modo trabajaremos con un contorno polinómico cerrado que evoluciona sobre una superficie de píxeles. Así pues, nuestro sistema de segmentación constituye una adaptación del modelo genérico de contornos deformables paramétricos al dominio concreto de las estructuras vasculares retinianas. Se ha redefinido el modelo clásico de snakes añadiendo estados a los nodos y definiendo energías internas y externas específicas. Además, utilizamos información de las imágenes obtenida mediante aplicaciones ad-hoc o aprovechando utilidades desarrolladas en nuestro grupo de investigación, como son la extracción de crestas, detección de bordes, segmentación morfológica y localización del disco óptico. Estas modificaciones consiguen incorporar conocimiento específico del dominio y aprovechar las propiedades topológicas arterio-venosas para lograr un mejor ajuste del contorno. El proceso de segmentación vascular comienza con un preprocesado de la imagen original que se convierte a escala de grises y se amplía al doble de su tamaño, lo que nos permite eliminar información redundante y trabajar a un mayor nivel de precisión. De esta imagen obtenemos los bordes y mediante la aplicación desarrollada en nuestro grupo de investigación las crestas, es decir, las líneas centrales de los vasos. Además, otra aplicación de nuestro grupo proporciona una segmentación auxiliar basada en operaciones morfológicas que utilizaremos junto con la información de crestas y bordes para definir las energías que guiarán la evolución del snake. Después de obtener las energías, realizamos la localización del disco óptico que, junto con la imagen de crestas, permite crear el contorno inicial. Este snake inicial irá segmentando los vasos guiado por toda la información extraída de la imagen, proceso que continúa hasta que se haya segmentado el árbol vascular completo. Para evaluar nuestro sistema, se ha realizado una validación contra la base de datos de retinografías DRIVE creada especialmente para facilitar los estudios comparativos de la segmentación de vasos sanguíneos en imágenes de retina. Esta base de datos de imágenes es de libre acceso y nos ha permitido evaluar la calidad de nuestros resultados, comparándolos tanto con los obtenidos por humanos expertos como por otros métodos. En esta memoria se muestran los resultados de detección de estructuras arterio-venosas obtenidos por nuestro sistema, que alcanza una notable precisión y una eficiencia muy superior a otros métodos existentes. Como muestra de la utilidad del método aquí presentado, se ha desarrollado una aplicación para el cálculo del índice arterio-venoso. Dicho índice es esencial para el diagnóstico y monitorización de la evolución de un gran número de patologías, entre las que destacan la retinopatía diabética, la arteriosclerosis y la hipertensión, además de permitir la evaluación objetiva de fármacos y tratamientos para dichas enfermedades. Tras contrastar los valores obtenidos con los de otros métodos automáticos validados por oftalmólogos, hemos podido afirmar la alta fiabilidad de nuestro método.