Segmentación y cuantificación automática de imágenes OCT antes y después de la cirugía de cataratas mediante aprendizaje profundo
-
La nueva tecnología basada en el deep-learning promete mejorar el diagnóstico y tratamiento ocular mediante la automatización y personalización de modelos 3D del ojo del paciente.
Madrid / 27 de agosto de 2024
El equipo, ha desarrollado un algoritmo basado en aprendizaje profundo (deep learning) que mejora significativamente la precisión, robustez y rapidez en comparación con las técnicas tradicionales. Este método innovador tiene el potencial de transformar la planificación y los resultados de las cirugías oculares, ofreciendo un análisis detallado y personalizado del segmento anterior del ojo.
Últimas noticias
Uno de los pasos más críticos en el análisis de las imágenes OCT es la segmentación, que consiste en identificar y etiquetar las superficies de las distintas partes del ojo dentro de estas imágenes. Para ser útiles en un entorno clínico, los métodos de segmentación deben ser automáticos, precisos, robustos y rápidos. Tradicionalmente, se han utilizado técnicas clásicas de procesamiento de imágenes para este propósito, pero estas pueden ser limitadas en términos de precisión y tiempo de procesamiento.
En este contexto, el uso de algoritmos de aprendizaje profundo ha emergido como una solución prometedora, capaz de superar las limitaciones de las técnicas tradicionales del procesamiento automático.
El presente estudio se centra en el desarrollo y la validación de un nuevo algoritmo de segmentación basado en aprendizaje profundo, aplicado a imágenes OCT de ojos antes y después de la cirugía de cataratas. Este enfoque innovador no solo mejora la precisión y la robustez de la segmentación actual, sino que también reduce significativamente el tiempo de procesamiento.
Para llevar a cabo el estudio, los investigadores diseñaron un algoritmo de segmentación con una arquitectura de red de pirámide de características con un codificador preentrenado. El algoritmo fue entrenado, validado y probado utilizando un conjunto de datos compuesto por 1640 imágenes de tomografía de coherencia óptica (OCT) de ojos pre y post cirugía de cataratas. Las imágenes fueron obtenidas mediante sistemas comerciales de OCT de segmento anterior, como el IOLMaster 700 y el ANTERION.
Esta nueva metodología de segmentación automática no solo supera a las técnicas clásicas, sino que también es la primera, según los autores y autoras, en aplicar aprendizaje profundo para la segmentación completa del segmento anterior del ojo y la cuantificación de sus superficies antes y después de la cirugía de cataratas
Artículo: Andrés Ruiz-Calvo, Derick Ansah, Ugur Celik, Scott MacRae, Susana Marcos, y Eduardo Martínez-Enríquez “Dynamic restructuring of nickel sulfides for electrocatalytic hydrogen evolution reaction”. Applied Optics Vol. 63, Issue 20 (2024)
Comunicación IO-CSIC
cultura.io@io.cfmac.csic.es
Noticias relacionadas
Susana Marcos, galardonada con el premio Edgar D. Tillyer 2025 de Optica por sus contribuciones a la óptica visual
Madrid / 19 de febrero de 2025Optica (antes OSA) ha anunciado que Susana Marcos, de la Universidad de Rochester, Nueva York, EE. UU., ha sido...
El Instituto de Óptica se suma a la celebración del 11F
Acceso y participación plena e igualitaria de las mujeres y las niñas en la ciencia y la tecnologíaMadrid / 31 de enero de 2025En las últimas...
Análisis comparativo de membranas de fibroína de seda fabricadas con diferentes métodos de entrecruzamiento: procesamiento y caracterización
El estudio compara las propiedades de una amplia variedad de membranas de fibroína de seda fabricadas mediante diferentes entrecruzamientos. Las...