La retinopatía diabética (RD) y la degeneración macular asociada a la edad (DMAE) son dos de las patologías más comunes que provocan daño en la retina. Ambas pueden estar directamente relacionadas con la ceguera y el deterioro de la visión, con lo que su detección temprana resulta fundamental.
Un equipo de investigadores de la Universitat Politècnica de València ha desarrollado, a escala de laboratorio, un nuevo sistema de análisis de fondo de retina que ayudaría a detectar de forma automática y en su fase temprana las lesiones que caracterizan estas enfermedades –exudados y microaneurismas en la retinopatía diabética y drusas en el caso de la degeneración macular asociada a la edad.
El sistema se compone de descriptores de imagen extraídos localmente y modelos de predicción entrenados con algoritmos avanzados de aprendizaje automático (machine learning). A partir de estas herramientas, es capaz de analizar de forma precisa y rápida las imágenes de retinas. El proceso es sencillo: el algoritmo detecta la textura, morfología y complejidad del fondo de ojo y diferencia automáticamente aquellas imágenes patológicas, de aquellas saludables, localizando los signos de cada una de las enfermedades.
“Una detección automática de tejidos patológicos contribuirá a la detección temprana de estas retinopatías”, apunta Adrián Colomer, investigador del Computer Vision and Behaviour Analysis Lab-i3B de la Universitat Politècnica de València.
Evaluación más objetiva
Actualmente, la detección de estas patologías se lleva a cabo de forma manual; su evaluación es totalmente subjetiva y requiere de un gran conocimiento y experiencia por parte del especialista médico.
“Este sistema ayudaría a los profesionales médicos a discernir casos patológicos de lo que no lo son y a disminuir su carga de trabajo. Además, reduciría el coste asociado a este diagnóstico”, añade Colomer.
Los últimos resultados del trabajo desarrollado por los investigadores de la UPV han sido publicados en la revista Journal of Computational and Applied Mathematics.
Referencia biblioteca
Adrián Colomer, Valery Naranjo, Thomas Janvier, Jose M.Mossi. Evaluation of fractal dimension effectiveness for damage detection in retinal background. Journal of Computational and Applied Mathematics. Doi.org/10.1016/j.cam.2018.01.005
The research team observed changes in head circumf...
AtCDF3 gene induced greater production of sugars a...
Un estudio con datos de los últimos 35 años, ind...
En nuestro post hablamos sobre este interesante tipo de célula del...
La revista ‘Nature Protocols’ selecciona esta técnica como “pro...
