En los ultimos años el número de casos de ceguera se ha reducido significativamente. A pesar de este hecho, la Organización Mundial de la Salud estima que un 80% de los casos de pérdida de visión (285 millones en 2010) pueden ser evitados si se diagnostican en sus estadios más tempranos y son tratados de forma efectiva. Para cumplir esta propuesta se pretende que los servicios de atención primaria incluyan un seguimiento oftalmológico de sus pacientes así como fomentar campañas de cribado en centros proclives a reunir personas de alto riesgo. Sin embargo, estas soluciones exigen una alta carga de trabajo de personal experto entrenado en el análisis de los patrones anómalos propios de cada enfermedad. Por lo tanto, el desarrollo de algoritmos para la creación de sistemas de cribado automáticos juga un papel vital en este campo. La presente tesis persigue la identificacion automática del daño retiniano provocado por dos de las patologías más comunes en la sociedad actual: la retinopatía diabética (RD) y la degenaración macular asociada a la edad (DMAE). Concretamente, el objetivo final de este trabajo es el desarrollo de métodos novedosos basados en la extracción de características de la imagen de fondo de ojo y clasificación para discernir entre tejido sano y patológico. Además, en este documento se proponen algoritmos de pre-procesado con el objetivo de normalizar la alta variabilidad existente en las bases de datos publicas de imagen de fondo de ojo y eliminar la contribución de ciertas estructuras retinianas que afectan negativamente en la detección del daño retiniano. A diferencia de la mayoría de los trabajos existentes en el estado del arte sobre detección de patologías en imagen de fondo de ojo, los métodos propuestos a lo largo de este manuscrito evitan la necesidad de segmentación de las lesiones o la generación de un mapa de candidatos antes de la fase de clasificación. En este trabajo, Local binary patterns, perfiles granulométricos y la dimensión fractal se aplican de manera local para extraer información de textura, morfología y tortuosidad de la imagen de fondo de ojo. Posteriormente, esta información se combina de diversos modos formando vectores de características con los que se entrenan avanzados métodos de clasificación formulados para discriminar de manera óptima entre exudados, microaneurismas, hemorragias y tejido sano. Mediante diversos experimentos, se valida la habilidad del sistema propuesto para identificar los signos más comunes de la RD y DMAE. Para ello se emplean bases de datos públicas con un alto grado de variabilidad sin exlcuir ninguna imagen. Además, la presente tesis también cubre aspectos básicos del paradigma de deep learning. Concretamente, se presenta un novedoso método basado en redes neuronales convolucionales (CNNs). La técnica de transferencia de conocimiento se aplica mediante el fine-tuning de las arquitecturas de CNNs más importantes en el estado del arte. La detección y localización de exudados mediante redes neuronales se lleva a cabo en los dos últimos experimentos de esta tesis doctoral. Cabe destacar que los resultados obtenidos mediante la extracción de características "manual" y posterior clasificación se comparan de forma objetiva con las predicciones obtenidas por el mejor modelo basado en CNNs. Los prometedores resultados obtenidos en esta tesis y el bajo coste y portabilidad de las cámaras de adquisión de imagen de retina podrían facilitar la incorporación de los algoritmos desarrollados en este trabajo en un sistema de cribado automático que ayude a los especialistas en la detección de patrones anomálos característicos de las dos enfermedades bajo estudio: RD y DMAE. / In last years, the number of blindness cases has been significantly reduced. Despite this promising news, the World Health Organisation estimates that 80% of visual impairment (285 million cases in 2010) could be avoided if diagnosed and treated early. To accomplish this purpose, eye care services need to be established in primary health and screening campaigns should be a common task in centres with people at risk. However, these solutions entail a high workload for trained experts in the analysis of the anomalous patterns of each eye disease. Therefore, the development of algorithms for automatic screening system plays a vital role in this field. This thesis focuses on the automatic identification of the retinal damage provoked by two of the most common pathologies in the current society: diabetic retinopathy (DR) and age-related macular degeneration (AMD). Specifically, the final goal of this work is to develop novel methods, based on fundus image description and classification, to characterise the healthy and abnormal tissue in the retina background. In addition, pre-processing algorithms are proposed with the aim of normalising the high variability of fundus images and removing the contribution of some retinal structures that could hinder in the retinal damage detection. In contrast to the most of the state-of-the-art works in damage detection using fundus images, the methods proposed throughout this manuscript avoid the necessity of lesion segmentation or the candidate map generation before the classification stage. Local binary patterns, granulometric profiles and fractal dimension are locally computed to extract texture, morphological and roughness information from retinal images. Different combinations of this information feed advanced classification algorithms formulated to optimally discriminate exudates, microaneurysms, haemorrhages and healthy tissues. Through several experiments, the ability of the proposed system to identify DR and AMD signs is validated using different public databases with a large degree of variability and without image exclusion. Moreover, this thesis covers the basics of the deep learning paradigm. In particular, a novel approach based on convolutional neural networks is explored. The transfer learning technique is applied to fine-tune the most important state-of-the-art CNN architectures. Exudate detection and localisation tasks using neural networks are carried out in the last two experiments of this thesis. An objective comparison between the hand-crafted feature extraction and classification process and the prediction models based on CNNs is established. The promising results of this PhD thesis and the affordable cost and portability of retinal cameras could facilitate the further incorporation of the developed algorithms in a computer-aided diagnosis (CAD) system to help specialists in the accurate detection of anomalous patterns characteristic of the two diseases under study: DR and AMD. / En els últims anys el nombre de casos de ceguera s'ha reduït significativament. A pesar d'este fet, l'Organització Mundial de la Salut estima que un 80% dels casos de pèrdua de visió (285 milions en 2010) poden ser evitats si es diagnostiquen en els seus estadis més primerencs i són tractats de forma efectiva. Per a complir esta proposta es pretén que els servicis d'atenció primària incloguen un seguiment oftalmològic dels seus pacients així com fomentar campanyes de garbellament en centres regentats per persones d'alt risc. No obstant això, estes solucions exigixen una alta càrrega de treball de personal expert entrenat en l'anàlisi dels patrons anòmals propis de cada malaltia. Per tant, el desenrotllament d'algoritmes per a la creació de sistemes de garbellament automàtics juga un paper vital en este camp. La present tesi perseguix la identificació automàtica del dany retiniano provocat per dos de les patologies més comunes en la societat actual: la retinopatia diabètica (RD) i la degenaración macular associada a l'edat (DMAE) . Concretament, l'objectiu final d'este treball és el desenrotllament de mètodes novedodos basats en l'extracció de característiques de la imatge de fons d'ull i classificació per a discernir entre teixit sa i patològic. A més, en este document es proposen algoritmes de pre- processat amb l'objectiu de normalitzar l'alta variabilitat existent en les bases de dades publiques d'imatge de fons d'ull i eliminar la contribució de certes estructures retinianas que afecten negativament en la detecció del dany retiniano. A diferència de la majoria dels treballs existents en l'estat de l'art sobre detecció de patologies en imatge de fons d'ull, els mètodes proposats al llarg d'este manuscrit eviten la necessitat de segmentació de les lesions o la generació d'un mapa de candidats abans de la fase de classificació. En este treball, Local binary patterns, perfils granulometrics i la dimensió fractal s'apliquen de manera local per a extraure informació de textura, morfologia i tortuositat de la imatge de fons d'ull. Posteriorment, esta informació es combina de diversos modes formant vectors de característiques amb els que s'entrenen avançats mètodes de classificació formulats per a discriminar de manera òptima entre exsudats, microaneurismes, hemorràgies i teixit sa. Per mitjà de diversos experiments, es valida l'habilitat del sistema proposat per a identificar els signes més comuns de la RD i DMAE. Per a això s'empren bases de dades públiques amb un alt grau de variabilitat sense exlcuir cap imatge. A més, la present tesi també cobrix aspectes bàsics del paradigma de deep learning. Concretament, es presenta un nou mètode basat en xarxes neuronals convolucionales (CNNs) . La tècnica de transferencia de coneixement s'aplica per mitjà del fine-tuning de les arquitectures de CNNs més importants en l'estat de l'art. La detecció i localització d'exudats per mitjà de xarxes neuronals es du a terme en els dos últims experiments d'esta tesi doctoral. Cal destacar que els resultats obtinguts per mitjà de l'extracció de característiques "manual" i posterior classificació es comparen de forma objectiva amb les prediccions obtingudes pel millor model basat en CNNs. Els prometedors resultats obtinguts en esta tesi i el baix cost i portabilitat de les cambres d'adquisión d'imatge de retina podrien facilitar la incorporació dels algoritmes desenrotllats en este treball en un sistema de garbellament automàtic que ajude als especialistes en la detecció de patrons anomálos característics de les dos malalties baix estudi: RD i DMAE. / Colomer Granero, A. (2018). Fundus image analysis for automatic screening of ophthalmic pathologies [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/99745 / TESIS

Penicillium nordicum è un importante contaminante di salumi, rappresentanando il 10 % e il 26 % della popolazione di Penicillium spp . isolati , rispettivamente dall'aria e dai prodotti carnei stagionati in un'indagine gestita in Italia ( Battilani et al. , 2007). Diverse colonie di P. nordicum isolate dai salumi hanno dimostrato di essere importanti produttori di ocratossina A , OTA ( Sansom e Frisvad , 2004 . Pietri et al, 2006 ; . Battilani et al , 2010). Attualmente, l'impostazione appropriata delle condizioni ambientali (temperatura, umidità relativa e circolazione dell'aria ), è l'unico strumento accettato per impedire la crescita incontrollata di P. nordicum all'interno degli impianti di stagionatura attraverso una accurata analisi dei punti critici di controllo e l’ideazione di un relativo piano HACCP (Hazard Analysis and Critical Control Points) ben struttutato ( Asefa et al , 2011; Virgili et al , 2012). Anche se il sistema HACCP è stato applicato con successo nel settore alimentare ci sono rischi per la sicurezza alimentare non attentamente considerati. Questo è particolarmente vero per quanto riguarda i rischi micotossigeni associati ai prodotti alimentari di origine animale. Il termine "rischi micotossigeni" è utilizzato da Asefa et al. ( 2011) per descrivere lieviti patogeni e metaboliti secondari tossici prodotti da specie fungine tossigene che contaminano i prodotti alimentari e incidono sulla sicurezza alimentare. La maggior parte dei piani HACCP nelle attività di trasformazione alimentare, come ad esempio la produzione di formaggi e di prodotti carnei stagionati, tiene in considerazione principalmente il rischio derivante da agenti batterici (Arvanitoyannis e Mavropoulos, 2000; Barbuti e Parolari, 2002) anche se tali prodotti alimentari vengono spesso contaminati da funghi micotossigeni e dai loro metaboliti (Spotti et al 1989; Spotti et al , 2001a; Battilani et al 2007). Pertanto, dovrebbe essere cruciale definire un piano HACCP specificamente incentrato sui rischi micotossigeni. L'identificazione, il controllo e la standardizzazione della micoflora superficie dei salumi è fondamentale per preservare la sicurezza delle produzioni e la salute dei consumatori . Questo è il contesto in cui deve essere valutata l’efficacia e l’affidabilità per l’identificazione delle popolazioni di Penicillium spp di interessante per la produzione alimentare. In questo contesto , il progetto di ricerca di questa tesi di dottorato ha cercato di approfondire le conoscenze su tali tematiche con l'intento di limitare il rischio micotossigeno nella catena di produzione dei prodotti carnei stagionati. Sono stati affrontati i seguenti argomenti: 1 . studio della composizione e dinamica della microflora fungina presente sulla superficie dei salumi (prodotto testato, salame) e l'aria di ambienti di stagionatura tenendo conto dell'influenza di alcuni parametri di processo (inoculo starter, temperatura, fase produttiva). 2 . sviluppo di un metodo MALDI TOF MS per l'identificazione di Penicilium a livello di specie per le prospettive future di screening diretti della microflora presente sui salumi. 3 . confronto e integrazione di diverse tecniche, come l'analisi morfologica, l’analisi molecolare e l’analisi tramite spettrometria di massa, per l'identificazione delle specie di Penicillium presenti nei salumi. 4 . valutazione dei lieviti selezionati, isolati dalla superficie di prosciutto crudo, per competere con P. nordicum ed inibire l'accumulo di OTA nella prospettiva del loro uso come starter superficiali con funzione di agenti di biocontrollo. / Penicillium nordicum is an important contaminant of cured meat products, representing 10% and 26% of the Penicillium spp. isolated, respectively, from the air or the products in a survey managed in Italy (Battilani et al., 2007). Several P. nordicum cured meat isolates proved to be important producers of ochratoxin A, OTA (Sansom and Frisvad, 2004; Pietri et al., 2006; Battilani et al., 2010). Currently, the appropriate setting of environmental conditions (temperature, relative humidity and air circulation), is the only accepted tool to prevent the uncontrolled growth of P. nordicum inside dry-curing plants through a carefully structured Hazard Analysis Critical Control Point (HACCP) plan (Asefa et al., 2011; Virgili et al., 2012). Even if the HACCP system has been successfully applied in the food industry, there are food safety hazards not carefully considered. This is especially true with regard to mycotoxigenic hazards associated with animal food products. The term “mycotoxigenic hazards” is used by Asefa et al. (2011) to describe pathogenic yeasts and toxic secondary metabolites of toxigenic moulds that contaminate food products and affect food safety. Most HACCP plans in food processing activities, such as the production of cheese and dry-cured meat products, considered mainly bacterial agents (Arvanitoyannis and Mavropoulos, 2000; Barbuti and Parolari, 2002), even if such food products get often contaminated with mycotoxigenic fungi and their metabolites (Spotti et al 1989; Spotti et al., 2001a; Battilani et al 2007). Therefore, it should be crucial to define a HACCP plan specifically focused on the mycotoxigenic hazards. The identification, control and standardization of the surface mycoflora of cured meat products is mandatory to preserve the productions safety and the consumers health. This is the context of the effectiveness and reliability evaluation for the Penicillium spp. identification methods of interesting species for food production. In this context, the research project of this PHD thesis tried to fill some gaps of knowledge with the attempt to limit the mycotoxigenic risk in the cured meat products chain. The following topics were faced: 1. study of the composition and dynamic of fungal microflora present on the surface of cured meat products (salami) and the air of seasoning environments taking into account the influence of some process parameters (starter inoculum, curing temperature, stage of seasoning). 2. development of a MALDI TOF MS method for the identification of Penicilium at species level for future direct screening perspectives of the microflora present on cured meat products. 3. comparison and integration of different techniques, as morphological, molecular and mass spectral analysis, for the identification of Penicillium species in cured meat products. 4. evaluation of selected yeasts, isolated from dry-cured ham surface, to compete with P. nordicum and to inhibit OTA accumulation in the perspective of their use as surface starter biocontrol agents.