Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Detección Automatica de Microaneurismas en Retinogrfias
Detección Automatica de Microaneurismas en Retinogrfias
2011;86(9):277281
ARCHIVOS DE LA SOCIEDAD
ESPAOLA DE OFTALMOLOGA
www.elsevier.es/oftalmologia
Artculo original
R E S U M E N
Palabras clave:
y ltrado paso de alta de la imagen. Esta fase realza los microaneurismas. 2) Deteccin
Retinopata diabtica
Microaneurismas
crecimiento de regiones. 3) Seleccin, de entre los candidatos, de los que deben considerarse
microaneurismas por cumplir con los criterios de: forma circular, intensidad alta en el canal
computador
computador
Keywords:
Purpose: We present the development of a tool for the automatic detection of microa-
Diabetic retinopathy
neurysms and its clinical evaluation. The intention of this tool is to facilitate the diagnosis
Microaneurysm
Computer-aided diagnosis
Method: The designed and developed tool consists of three stages of processing: 1) Obtaining
of the basic image of eye with the retinal camera, inverted image on the green channel, and
doi:10.1016/j.oftal.2011.04.015
278
a high-pass lter of the image. This phase enhances the microaneurysms. 2) Detection of
the candidates for microaneurysms, by means of an adaptive prediction lter and regions
growth. 3) Selection, among the candidates, of whom microaneurysms must be considered to full the criteria of circular shape, high intensity in the inverted green channel and
contrasts with respect to the surrounding pixels.
Results: We selected to 20 retinal photographs of good quality and dimensions 600 x 600
pixels from patients with nonproliferative diabetic retinopathy. The ophthalmologists detected 297 microaneurysms in these images. The tool for automatic detection correctly located
252 microaneurysms, with a mean sensitivity of 89% and a false positives rate of 93%.
Conclusions: The results obtained seem to indicate that the tool developed will be very useful
for its potential use in screening programs in primary care centres. On the other hand, more
work is needed on the algorithm to decrease the rate of false positives.
Introduccin
La evaluacin cuantitativa del nmero de microaneurismas
(MA) es un buen indicador de la progresin de la retinopata
diabtica (RD)1 . Sin embargo, una comparacin manual de las
diferentes imgenes temporales del paciente consume mucho
tiempo del especialista, con lo que sera deseable disponer
de una herramienta que permitiera su deteccin y cuanticacin automticas. Asimismo esta herramienta sera de gran
utilidad para asistir al diagnstico en Atencin Primaria.
Un nmero importante de publicaciones en el campo de la
ingeniera abordan este problema2 . La mayora de ellas se centra en la deteccin de MA en angiografas de uorescena3-7 .
ien y Osnes fueron los primeros en detectar MA en imgenes en color8 . Tras ellos, varios investigadores han seguido
publicando trabajos en esta lnea9-11 .
En el presente trabajo se propone una nueva tcnica para la
deteccin automtica de MA. Dicha tcnica se basa en el uso
de ltros de prediccin adaptativos y crecimiento de regiones.
Bloque de preprocesamiento
El objetivo de este bloque es preparar la imagen para su tratamiento posterior, aislando las imgenes de caractersticas no
inherentes al fondo de ojo, tales como iluminacin y contraste.
Este bloque puede dividirse en los pasos siguientes:
Inversin del
canal verde
Preprocesado
Filtrado HP
Ampliacin
de contraste
Filtrado tophat
Prediccin
lineal 2D
Deteccin de
candidatos
Crecimiento
de regiones
Seleccin de
MA
Deteccin
de MA
279
Fig. 2 a) Imagen de retinografa original en color. b) Imagen del negativo del plano verde.
Bloque de deteccin
El objetivo de este bloque es la obtencin de unos puntos
semillas a partir de los cuales se aplicar la siguiente fase
en la que obtendremos los candidatos a microaneurismas.
Para la deteccin de las semillas se usa un algoritmo de
prediccin lineal en 2D (algoritmo de Burg)13,14 . Su funcionamiento puede resumirse de la siguiente manera: el algoritmo
recorre la a la todos los pxeles de la imagen, prediciendo el
valor del siguiente pxel que va a examinar a partir del valor de
sus pxeles vecinos. El error de prediccin superior a un umbral
en un determinado pxel indica que este es un punto singular (posible microaneurisma). Junto con la condicin de que
su error de prediccin sea superior a un umbral, para que un
pxel sea etiquetado como semilla, este debe tener al menos
un vecino con la caracterstica de ser tambin punto singular.
De esta forma se evita que puntos aislados sean considerados
microaneurismas15-17 .
Bloque de segmentacin
El objetivo de la segmentacin consiste en obtener el conjunto
de pxeles (regin) que conforman los candidatos a microaneurismas. El mtodo empleado es el crecimiento de regiones
por adicin de pxeles con condiciones de parada. Las regiones las haremos crecer a partir de las semillas obtenidas en el
bloque anterior.
El bloque de segmentacin adquiere gran importancia, ya
que de su resultado depende la clasicacin posterior de los
candidatos, puesto que la forma de las regiones segmentadas es una caracterstica fundamental para la clasicacin y
adems es de gran carga computacional.
El funcionamiento es el siguiente: para cada semilla se
comprueba si en un entorno, llamado entorno de bsqueda,
los pxeles colindantes son tambin semillas pertenecientes a
la misma regin. El propsito de esto es establecer una media
y una desviacin local de intensidad de los pxeles semilla
contiguos. Con estos valores se crea un umbral que se usa
para incluir en la regin otros pxeles no semillas colindantes
que puedan pertenecer a la misma regin. Este umbral tambin se usa como condicin de parada. Para agregar pxeles
no semillas a la regin se usa otro entorno, denominado
entorno de agregacin, en el que se buscan pxeles cuyo valor
de intensidad supere el umbral. Conforme se van agregando
pxeles no semillas, eestos se van considerando semillas a
efectos de proseguir la bsqueda.
El umbral es totalmente local y adems es variable, ya que
280
VPP
0,89
0,86
0,92
0,82
0,89
0,82
0,88
0,83
0,75
0,85
1,00
1,00
1,00
0,81
0,83
0,86
1,00
1,00
1,00
0,77
0,89
0,95
0,94
0,94
0,96
0,95
0,81
0,91
0,91
0,98
0,82
0,98
0,98
0,97
0,92
0,97
0,92
0,96
0,99
0,98
0,91
0,93
Financiacin
Este proyecto est subvencionado por el Ministerio de Sanidad
(ETES-PI07/90373 y ETES-PI07/90379).
Conicto de intereses
Los autores declaran no tener ningn conicto de intereses.
Resultados
Se han seleccionado 20 retinografas de buena calidad y
dimensiones 600 600 pxeles. Las imgenes se seleccionan
segn la nitidez de los detalles, con predominio de lesiones
diabticas de color rojo (microaneurismas y hemorragias). En
total los oftalmlogos detectaron 297 microaneurismas en las
20 imgenes. De entre estos, con la herramienta de deteccin
automtica, se localizaron 252 microaneurismas, obtenindose una sensibilidad media del 89% y una tasa de falsos
positivos del 93%. En la Tabla 1 se muestran los resultados
obtenidos para las 20 imgenes de la base de datos.
Los parmetros variables del algoritmo han sido jados a
un valor constante para todas las imgenes de la base de datos,
lo cual proporciona un mtodo completamente automtico al
clnico.
Discusin
La inclusin de las nuevas tecnologas en la clnica es una
prctica cada vez ms extendida. Para el diagnstico precoz de
la retinopata diabtica es necesario un control peridico del
fondo de ojo del paciente diabtico mediante oftalmoscopa
y/o retinografas.
Uno de los factores claves para la deteccin precoz de la
retinopata diabtica es la aparicin de los microaneurismas.
El control peridico del nmero de microaneurismas permite
evaluar el grado de severidad de la enfermedad. Este conteo
es laborioso y consume mucho tiempo del clnico, con lo que
Agradecimientos
Los autores muestran su agradecimiento a Alejandro Garzn
Camacho por su contribucin en la implementacin del algoritmo.
Bibliograf a
281