Identificación automática de Glaucoma a partir de imágenes OCT circumpapilares mediante el uso de redes neuronales convolucionales

Abstract

[ES] El Glaucoma es una de las enfermedades que con más frecuencia producen pérdida de visión e incluso ceguera en la sociedad actual. Dicha patología no tiene cura definitiva actualmente, pero la detección temprana de las misma permite ofrecer tratamientos que retardan y mitigan los efectos que provoca. Esta detección temprana se lleva a cabo identificando los primeros signos que evidencian patología. Para llevar a cabo con éxito dicha tarea, se llevan a cabo campañas de cribado por parte de especialistas oftalmológicos. Este hecho supone una gran carga de trabajo para el personal entrenado en la detección de los patrones anómalos que evidencian la enfermedad, lo que sumado al incremento de la población en riesgo hace que las campañas de cribado generen grandes costes económicos. Este factor evidencia la necesidad del desarrollo de sistemas de cribado automáticos. El principal objetivo de este Trabajo Fin de Grado es el de crear modelos predictivos a partir de imágenes circumpapilares (escaneo centrado en el disco óptico) obtenidas mediante tomografía por coherencia óptica (OCT). Dichos modelos predictivos estarán basados en aprendizaje profundo y deben ser capaces de discernir automáticamente entre una retina sana y una patológica. Para ello, primeramente, se conformará una amplia base de datos con imágenes OCT circumpapilares sanas e imágenes patológicas. Posteriormente, se entrenará una red neuronal convolucional desde cero optimizando los hiperparámetros correspondientes. También cabe la posibilidad de emplear técnicas de fine-tuning con el objetivo de maximizar la precisión en la clasificación. Una vez obtenido el mejor modelo de predicción, se visualizarán las salidas de los filtros de los últimos bloques convolucionales con el objetivo de proporcionar nuevos patrones que puedan tener influencia futura en el diagnóstico clínico.