Resumen de Tratamiento digital de retinografías para detectar automáticamente lesiones asociadas con la retinopatía diabética

C. I. Sánchez Gutiérrez, M. Isabel López Gálvez, Roberto Hornero Sánchez, Jesús Poza Crespo

• español

  Objetivos: La retinopatía diabética es la causa más frecuente de ceguera en la población activa de los países industrializados. Para retrasar su evolución y evitar así la pérdida de visión, el mejor método de prevención es un seguimiento regular médico. Para ello, se utilizan las imágenes de fondo de ojo o retinografías. Sin embargo, debido al gran número de pacientes, se requiere mucho esfuerzo y tiempo para revisar todas las imágenes. El objetivo de este trabajo es desarrollar un método automático que ayude a detectar los primeros síntomas de la retinopatía diabética mediante un tratamiento digital de las retinografías. Métodos: El método expuesto en este artículo se centra exclusivamente en la detección de exudados duros, uno de los primeros síntomas de la retinopatía diabética. Su localización automática se basa en su color, usando clasificación estadística, y sus bordes definidos, mediante un filtro detector de bordes. Resultados: Aplicando el algoritmo propuesto a 20 retinografías de distinta calidad, iluminación y color, obtuvimos una sensibilidad de 79,62% con una media de 3 falsos positivos por imagen. El número de falso negativos aumentaba sobre todo cuando los exudados aparecían muy cerca de los vasos sanguíneos. Conclusión: El objetivo final de este proyecto es automatizar el seguimiento médico de la retinopatía diabética mediante el tratamiento digital de las retinografias de los pacientes. En esta primera etapa, se ha desarrollado una herramienta que permite la detección automática de una lesión asociada a esta enfermedad: los exudados duros. En futuros trabajos se pretende mejorar los resultados obtenidos y continuar con la localización de otras lesiones.

• English

  Purpose: Diabetic retinopathy is a leading cause of vision loss in developed countries. Regular diabetic retinal eye screenings are needed to detect early signs of retinopathy, so that appropriate treatments can be rendered to prevent blindness. Digital imaging is becoming available as a means of screening for diabetic retinopathy. However, with the large number of patients undergoing screenings, medical professionals require a tremendous amount of time and effort in order to analyse and diagnose the fundus photographs. Our aim is to develop an automatic algorithm using digital image analysis for detecting these early lesions from retinal images. Methods: An automatic method to detect hard exudates, a lesion associated with diabetic retinopathy, is proposed. The algorithm is based on their colour, using a statistical classification, and their sharp edges, applying an edge detector, to localise them. Results: A sensitivity of 79.62% with a mean number of 3 false positives per image is obtained in a database of 20 retinal images with variable colour, brightness and quality. It can also be seen that the number of the false negative cases increases when the hard exudates were very close to the vessel tree. Conclusion: The long term goal of the project is to automate the screening for diabetic retinopathy with retinal images. We have described the preliminary development of a tool to provide automatic analysis of digital fundus photographs to localise hard exudates. Future work will address the issue of improving the obtained results and also will focus on detecting other lesions.