Post on 23-Jan-2016
MÉTODO PARA AUTOMATIZAR LA SEGMENTACIÓN
DE LA RETINA EN CAPAS
Trabajo realizado por:Irene Hervás ChmielewskiAntonio Sánchez del Moral
Asignatura:Procesamiento de imágenes digitales
La tomografía de coherencia óptica (OCT) es una tecnología de imágenes médicas sin contacto. Con OCT, la luz reflejada se utiliza para producir imágenes detalladas de la sección transversal y 3D del ojo.
Las imágenes SD-OCT (spectral domein OCT) tienen una mayor sensibilidad y velocidad de la imagen, con lo que aumenta el número de cortes, creando una imagen tridimensional de la retina de mejor calidad.
Ya que estas imágenes tienen mucho ruido, nuestro trabajo consiste en automatizar la detección de las capas de la retina.
INTRODUCCIÓN
Sistema de funcionamiento del OCT
3D OCT – 1000 de Topcon
FASES DEL MÉTODO
Preprocesado de la imagen
Generar imágenes gradientes
Generar matrices de adyacencias
En las imágenes OCT es muy importante el preprocesado, ya que estas contienen mucho ruido. Si queremos distinguir el máximo número de capas posibles tendremos que quitar el mayor ruido posible sin perder información.
Para ello, el artículo nos propone utilizar el algoritmo «Sparse 3D transform-domain collaborative filtering».
PREPROCESADO DE LA IMAGEN
Para reducir el ruido, se agrupan los fragmentos de imágenes 2D similares en matrices de datos 3D llamados «grupos». Una vez obtenidos los grupos se realizan 3 etapas:
1. La transformación 3D de un grupo.
2. La contracción del espectro transformado.
3. La transformación 3D inversa.
El resultado es una estimación en 3D que consiste en el filtro de conjuntos agrupados de bloques de la imagen. Estos bloques, al pasar por el filtrado colaborativo, conservan las características únicas esenciales de cada bloque individual, y se devuelven a su posición inicial.
PREPROCESADO DE LA IMAGEN
«Sparse 3D transform-domain collaborative filtering»
PREPROCESADO DE LA IMAGEN
«Sparse 3D transform-domain collaborative filtering»
EJEMPLO
Una vez suavizada la imagen, se transforma a escala de grises y se reduce el tamaño de la imagen para que el tiempo del algoritmo sea el menor posible. Al cambiar de tamaño perdemos información, pero si no hacemos este cambio el algoritmo puede tardar más de 10 minutos.
PREPROCESADO DE LA IMAGEN
En este paso crearemos dos imágenes gradientes, cuyo objetivo es minimizar el valor de los bordes donde la intensidad de las capas cambian de oscuro a claro y viceversa. Esto nos ayudará a identificar la capa ILM y RPE.
GENERAR IMÁGENES GRADIENTES
GENERAR IMÁGENES GRADIENTES
Imagen OCT suavizada
Imagen gradiente oscuro a claro
Imagen gradiente claro a oscuro
En este paso generaremos una matriz de adyacencia por cada imagen gradiente. La matriz de adyacencia contiene el peso correspondiente a cada par de píxeles en la imagen. Si dos píxeles son adyacentes el peso estará definido como la suma del valor gradiente de los píxeles. Sino será 0.
GENERAR MATRICES DE ADYACENCIAS
Para cada matriz de adyacencia encontraremos el camino más corto con el algoritmo de «Dijkstra». Estos caminos deberían corresponderse con las líneas oscuras (valores bajos) en las imágenes gradientes.
OBTENCIÓN DE CAPAS ILM Y RPE
RESULTADOS OBTENIDOS
Resultado 3 Resultado 4
Resultado 1 Resultado 2
APLICACIÓN
VALORACIÓN PERSONAL
Artículo principal
Entorno de desarrollo
Propuestas de mejora
- Sijie Niu; Qiang Chen; Luis de Sisternes; Daniel L. Rubin; Weiwei Zhang; Qinghuai Liu. «Automated retinal layers segmentation in SD-OCT images using dual-gradient and spatial correlation smoothness constraint”, Computers in Biology and Medicine» Vol. 54, pp. 116-128,2014.
- Davok, K.; Foi, A.; Katkovnik, V.; Egiazarian, K., «Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering», IEEE Transactions on Image Processing, Vol. 16, no. 8, 2007.
- Tema 5: SEGMENTACION, Procesamiento de imágenes digitales, 2013-2014 Universidad de Sevilla.
- http://www.mathworks.com/
- http://www.cs.tut.fi/~foi/GCF-BM3D/index.html#ref_results
- http://www.oftalmo.com/studium/studium2008/stud08-3/08c-04.htm
- Chiu SJ1; Li XT; Nicholas P; Toth CA; Izatt JA; Farsiu S.; "Automatic segmentation of seven retinal layers in SDOCT images congruent with expert manual segmentation",
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3408910/
REFERENCIAS BIBLIOGRÁFICAS
MÉTODO PARA AUTOMATIZAR LA SEGMENTACIÓN
DE LA RETINA EN CAPAS
Trabajo realizado por:Irene Hervás ChmielewskiAntonio Sánchez del Moral
Asignatura:Procesamiento de imágenes digitales