MÉTODO PARA AUTOMATIZAR LA SEGMENTACIÓN DE LA RETINA EN CAPAS Trabajo realizado por: Irene Hervás Chmielewski Antonio Sánchez del Moral Asignatura: Procesamiento de imágenes digitales
INTRODUCCIÓN La tomografía de coherencia óptica (OCT) es una tecnología de imágenes médicas sin contacto. Con OCT, la luz reflejada se utiliza para producir imágenes detalladas de la sección transversal y 3D del ojo. Las imágenes SD-OCT (spectral domein OCT) tienen una mayor sensibilidad y velocidad de la imagen, con lo que aumenta el número de cortes, creando una imagen tridimensional de la retina de mejor calidad. Ya que estas imágenes tienen mucho ruido, nuestro trabajo consiste en automatizar la detección de las capas de la retina.
Sistema de funcionamiento del OCT 3D OCT – 1000 de Topcon
FASES DEL MÉTODO Preprocesado de la imagen Generar imágenes gradientes Generar matrices de adyacencias
PREPROCESADO DE LA IMAGEN En las imágenes OCT es muy importante el preprocesado, ya que estas contienen mucho ruido. Si queremos distinguir el máximo número de capas posibles tendremos que quitar el mayor ruido posible sin perder información. Para ello, el artículo nos propone utilizar el algoritmo «Sparse 3D transform-domain collaborative filtering».
PREPROCESADO DE LA IMAGEN «Sparse 3D transform-domain collaborative filtering» Para reducir el ruido, se agrupan los fragmentos de imágenes 2D similares en matrices de datos 3D llamados «grupos». Una vez obtenidos los grupos se realizan 3 etapas: La transformación 3D de un grupo. La contracción del espectro transformado. La transformación 3D inversa. El resultado es una estimación en 3D que consiste en el filtro de conjuntos agrupados de bloques de la imagen. Estos bloques, al pasar por el filtrado colaborativo, conservan las características únicas esenciales de cada bloque individual, y se devuelven a su posición inicial.
PREPROCESADO DE LA IMAGEN «Sparse 3D transform-domain collaborative filtering» EJEMPLO
PREPROCESADO DE LA IMAGEN Una vez suavizada la imagen, se transforma a escala de grises y se reduce el tamaño de la imagen para que el tiempo del algoritmo sea el menor posible. Al cambiar de tamaño perdemos información, pero si no hacemos este cambio el algoritmo puede tardar más de 10 minutos.
GENERAR IMÁGENES GRADIENTES En este paso crearemos dos imágenes gradientes, cuyo objetivo es minimizar el valor de los bordes donde la intensidad de las capas cambian de oscuro a claro y viceversa. Esto nos ayudará a identificar la capa ILM y RPE.
GENERAR IMÁGENES GRADIENTES Imagen gradiente oscuro a claro GENERAR IMÁGENES GRADIENTES Imagen gradiente claro a oscuro Imagen OCT suavizada
GENERAR MATRICES DE ADYACENCIAS En este paso generaremos una matriz de adyacencia por cada imagen gradiente. La matriz de adyacencia contiene el peso correspondiente a cada par de píxeles en la imagen. Si dos píxeles son adyacentes el peso estará definido como la suma del valor gradiente de los píxeles. Sino será 0.
OBTENCIÓN DE CAPAS ILM Y RPE Para cada matriz de adyacencia encontraremos el camino más corto con el algoritmo de «Dijkstra». Estos caminos deberían corresponderse con las líneas oscuras (valores bajos) en las imágenes gradientes.
RESULTADOS OBTENIDOS Resultado 2 Resultado 1 Resultado 3 Resultado 4
APLICACIÓN
VALORACIÓN PERSONAL Artículo principal Entorno de desarrollo Propuestas de mejora
REFERENCIAS BIBLIOGRÁFICAS Sijie Niu; Qiang Chen; Luis de Sisternes; Daniel L. Rubin; Weiwei Zhang; Qinghuai Liu. «Automated retinal layers segmentation in SD-OCT images using dual-gradient and spatial correlation smoothness constraint”, Computers in Biology and Medicine» Vol. 54, pp. 116-128,2014. Davok, K.; Foi, A.; Katkovnik, V.; Egiazarian, K., «Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering», IEEE Transactions on Image Processing, Vol. 16, no. 8, 2007. Tema 5: SEGMENTACION, Procesamiento de imágenes digitales, 2013-2014 Universidad de Sevilla. http://www.mathworks.com/ http://www.cs.tut.fi/~foi/GCF-BM3D/index.html#ref_results http://www.oftalmo.com/studium/studium2008/stud08-3/08c-04.htm Chiu SJ1; Li XT; Nicholas P; Toth CA; Izatt JA; Farsiu S.; "Automatic segmentation of seven retinal layers in SDOCT images congruent with expert manual segmentation", http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3408910/
MÉTODO PARA AUTOMATIZAR LA SEGMENTACIÓN DE LA RETINA EN CAPAS Trabajo realizado por: Irene Hervás Chmielewski Antonio Sánchez del Moral Asignatura: Procesamiento de imágenes digitales