Resumen

El glaucoma es una enfermedad ocular mortal que daña el disco óptico (DO) y la copa óptica (CO) y provoca ceguera en fases avanzadas. Debido a su lenta progresión, la enfermedad presenta un número reducido de síntomas en las fases iniciales, por lo que la identificación de la enfermedad resulta una tarea complicada. Por lo tanto, es necesario un marco totalmente automático que pueda apoyar el proceso de cribado y aumentar las posibilidades de detección de la enfermedad en las fases iniciales. En este trabajo abordamos la localización y segmentación del OD y OC para la detección del glaucoma a partir de imágenes retinianas borrosas. Hemos presentado un nuevo método basado en Densenet-77 Mask-RCNN para superar los retos de la detección del glaucoma. Inicialmente, hemos realizado el paso de aumento de datos junto con la adición de desenfoque en las muestras para aumentar la diversidad de los datos. A continuación, hemos generado las anotaciones a partir de las imágenes reales (GT). A continuación, se emplea el marco Densenet-77 en el nivel de extracción de características de Mask-RCNN para calcular los puntos clave profundos. Por último, el modelo Mask-RCNN personalizado utiliza las características calculadas para localizar y segmentar el OD y el OC. Para la evaluación del rendimiento, hemos utilizado el conjunto de datos ORIGA, disponible públicamente. Además, hemos realizado una validación entre conjuntos de datos en la base de datos HRF para demostrar la solidez del marco presentado. El marco presentado ha obtenido una precisión, una recuperación, una medida F y un IOU medios de 0,965, 0,963, 0,97 y 0,972, respectivamente. El método propuesto ha logrado un rendimiento notable en términos de eficiencia y eficacia en comparación con las técnicas más recientes en presencia de desenfoque, ruido y variaciones de luz.

• Materias:Propagación de ondas Rayo láser Onda electromagnética Óptica Biofotónica
• Subjects:Wave propagation Lasers Electromagnetic waves Optics Biophotonics
• Palabras claves:detección de glaucoma, imágenes retinianas borrosas, paso de aumento de datos, puntos clave profundos, enfermedad ocular mortal, nivel de extracción de características, máscara, marco, marco densenet-77, base de datos hrf
• Keywords:glaucoma detection, blur retinal images, data augmentation step, deep key points, fatal eye disease, feature extraction level, mask, framework, densenet-77 framework, hrf database