[EN] The World Health Organization estimates that in 2010 there were 285 million people visually impaired in the world. It is calculated that the 80\% of these cases are preventable or treatable. In addition, aging population and chronic disease increase are two factors that predict a higher number of blindness cases in the future. Hypertension, diabetic retinopathy (DR), age-related macular degeneration (AMD) and glaucoma are the most common pathologies in the current society that provoke retinal damage and can be directly related to blindness and vision loss. The early diagnosis of these diseases allows, through appropriate treatment, to reduce costs generated when they are in advanced states and may become chronic. This fact justifies screening campaigns. However, a screening campaign requires a heavy workload for trained experts in the analysis of anomalous patterns of each disease, which in addition to the increase of population at risk, makes these campaigns economically unfeasible. Therefore, the need of automatic screening system developments is highlighted.
The final goal of this thesis is the implementation of novel methods that allow the analysis and processing of fundus images to implement an automatic screening of four of the most important diseases that affect world population. In particular, the main objective of the thesis is to build up algorithms for the characterization of the retinal structures and the retina background in order to assist in the discrimination between a ``normal" and pathological retina.
Mathematical morphology along with other operators are used for the detection of the retinal vessels and the optic disk. The proposed methods work properly on databases with a large degree of variability. Not only have the main structures been segmented, but significant features have also been extracted from them to be used in a computer aided diagnosis software for hypertensive risk determination. The texture of the retina background is also analyzed in this work by means of local binary patterns with the aim of identifying DR and AMD and avoiding the need of segmentation of the characteristic retinal lesions of each disease. The results are promising above all for AMD diagnosis. / [ES] La Organización Mundial de la Salud estima que en 2010 había 285 millones de personas con alguna discapacidad visual en el mundo. Se calcula que el 80\% de estos casos son evitables o tratables. Además, el envejecimiento de la población y el aumento de las enfermedades crónicas son dos factores que hacen prever un número todavía mayor de casos de ceguera en el futuro. La hipertensión, la retinopatía diabética (RD), la degeneración macular asociada a la edad (DMAE) y el glaucoma son las enfermedades más comunes que provocan daños en la retina y, por tanto, están directamente relacionadas con la ceguera y con la pérdida de visión. El diagnóstico de estas enfermedades en estadios tempranos permite, mediante el tratamiento adecuado, reducir los costes que generan en estados ya avanzados y que en la mayoría de los casos acaban convirtiéndose en crónicas, lo que justifica la realización de campañas de cribado. Sin embargo, una campaña de cribado exige una gran carga de trabajo de personal experto entrenado en el análisis de los patrones anómalos propios de cada enfermedad, lo que sumado al aumento de la población de riesgo, hace que estas campañas sean inviables económicamente. Por lo tanto, se evidencia la necesidad del desarrollo de sistemas de cribado automáticos.
El objetivo final del presente trabajo es la implementación de métodos novedosos de análisis de imágenes de fondo de ojo para usarlos en un sistema de cribado de cuatro de las enfermedades más importantes que afectan a la población actual. En concreto, el objetivo principal de la tesis es el desarrollo de algoritmos para la caracterización de las estructuras y del fondo retiniano, los cuales servirán de ayuda para discriminar una retina ``normal" de otra patológica.
Para la detección de los vasos retinianos y del disco óptico, se ha usado morfología matemática además de otros operadores. Se ha demostrado que los métodos propuestos para este fin funcionan adecuadamente en bases de datos con un alto grado de variabilidad. No sólo se han segmentado las principales estructuras retinianas, sino que, además, se han extraído sus características más significativas para determinar el riesgo hipertensivo. En este trabajo, también se han analizado las texturas presentes en el fondo de la retina por medio de la teoría de los patrones binarios locales con el objetivo de identificar la RD y la DMAE a la vez que se evita la necesidad de la segmentación de las lesiones específicas de cada enfermedad. Los resultados son prometedores, sobre todo, para la detección de la DMAE. / [CA] L'Organització Mundial de la Salut estima que en 2010 havia 285 milions de persones amb alguna discapacitat visual en el món. Es calcula que el 80\% d'aquests casos són evitables o tractables. A més, l'envelliment de la població i l'augment de les malalties cròniques són dos factors que fan preveure un número encara major de casos de ceguera en el futur. La hipertensió, la retinopatia diabètica (RD), la degeneració macular associada a l'edat (DMAE) i el glaucoma són les malalties més comuns que provoquen danys en la retina i, per tant, estan directament relacionades amb la ceguera i amb la pèrdua de visió. El diagnòstic d'aquestes malalties en estadis primerencs permet, per mitjà del tractament adequat, reduir els costos que generen en estats ja avançats i que en la majoria dels casos acaben convertint-se en cròniques, la qual cosa justifica la realització de campanyes de garbellament. No obstant això, una campanya de garbellament exigix una gran càrrega de treball de personal expert entrenat en l'anàlisi dels patrons anòmals propis de cada malaltia, que si es suma a l'augment de la població de risc, fa que aquestes campanyes siguen inviables econòmicament. Per tant, s'evidencia la necessitat del desenrotllament de sistemes de garbellament automàtics.
L'objectiu final del present treball és la implementació de mètodes nous d'anàlisi d'imatges de fons d'ull per a usar-los en un sistema de garbellament de quatre de les malalties més importants que afecten la població actual. En concret, l'objectiu principal de la tesi és el desenvolupament d'algoritmes per a la caracterització de les estructures i del fons retinià, els quals serviran d'ajuda per a discriminar una retina ``normal" d'una altra patològica.
Per a la detecció dels vasos retinians i del disc òptic, s'ha usat morfologia matemàtica a més d'altres operadors. S'ha demostrat que els mètodes proposats per a aquest fi funcionen adequadament en bases de dades amb un alt grau de variabilitat. No sols s'han segmentat les principals estructures retinianes, sinó que, a més, s'han extret les seues característiques més significatives per a determinar el risc hipertensiu. En aquest treball, també s'han analitzat les textures presents en el fons de la retina per mitjà de la teoria dels patrons binaris locals amb l'objectiu d'identificar la RD i la DMAE al mateix temps que s'evita la necessitat de la segmentació de les lesions específiques de cada malaltia. Els resultats són prometedors, sobretot, per a la detecció de la DMAE. / Morales Martínez, S. (2015). Fundus characterization for automatic disease screening through retinal image processing [Tesis doctoral]. Editorial Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/53933
| Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/53933 |
| Date | 30 July 2015 |
| Creators | Morales Martínez, Sandra |
| Contributors | Naranjo Ornedo, Valeriana, Universitat Politècnica de València. Departamento de Ingeniería Electrónica - Departament d'Enginyeria Electrònica |
| Publisher | Editorial Universitat Politècnica de València |
| Source Sets | Universitat Politècnica de València |
| Language | English |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Rights | http://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess |
Page generated in 0.0033 seconds