Metodologia para a deteção de artefactos luminosos em imagens de retinografia com aplicação em rastreio oftalmológico

• André Damas Mora ^[1] ; José Manuel Fonseca ^[1]
  1. [1] Universidade Nova de Lisboa

     Universidade Nova de Lisboa

     Socorro, Portugal

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 13, 2014, págs. 51-63
• Idioma: portugués
• Enlaces
  • Texto completo (pdf)
• Resumen
  • português

    O diagnóstico automático de doenças da retina baseado em processamento de imagem vê frequentemente a sua precisão comprometida pela dificuldade intrínseca na deteção de estruturas anormais e por deficiências na aquisição de imagem. Em cenários de rastreio, estas deficiências podem levar a que um número significativo de imagens tenham de ser repetidas, implicando custos e ineficiência do sistema. Neste artigo propõe-se uma metodologia que avalia de forma automática a qualidade das imagens captadas possibilitando ao operador repetir a aquisição caso se justifique. O método proposto identifica diferentes tipos de artefactos com base na sua forma, cor e intensidade. Utilizando um conjunto de 61 imagens foi obtida uma sensibilidade de 97% com 0.12 falsos positivos por imagem na deteção do artefacto central e 73% de sensibilidade com 0.36 de falsos positivos para os reflexos luminosos. Estes resultados podem considerar-se positivos tendo em conta a baixa qualidade e a heterogeneidade das imagens processadas.

  • English

    Automatic diagnostic systems for retinal diseases based on image processing have continuously demonstrated its potential for clinical practice. However, their accuracy is often compromised by the inherent difficulty in detecting abnormal structures and aggravated by deficiencies in image acquisition. In screening scenarios, these deficiencies can lead to a significant amount of repeated images, implying costs and system’s inefficiency. In this paper we propose a methodology to automatically evaluate the quality of captured images allowing the operator to repeat the acquisition if appropriate. The proposed method identifies different types of artefacts based on color, shape and image intensity. Using a set of 61 images a sensitivity of 97% at a rate of 0.12 false positives in the central artifact detection and 73% sensitivity with 0.36 false positives on the detection of light flares, were obtained. These results can be considered positive given the poor quality and heterogeneity of the processed images.