Automatic segmentation of macular holes in optical coherence tomography images

Abstract

A retina faz parte do sistema ocular responsável pela visão. Em sua região central encontrase a mácula, que permite uma visão detalhada. Uma doença macular distinta, menos observada, é o Buraco Macular (BM). É uma condição que causa diminuição da visão e ocorre devido ao uso excessivo da fóvea, miopia alta, trauma no olho e severa exposição ao sol, na qual um buraco altera a estrutura da retina. O tratamento ou uma possível cirurgia depende do tamanho e forma do BM. A identificação de BM em imagens de Tomografia de Coerência Óptica (OCT) pode ser analisada por meio dos limites superiores da Membrana Limitante Interna (MLI) e do Epitélio Pigmentar da Retina (EPR). A segmentação manual delonga tempo e se torna desvantajosa. A segmentação automática é rápida e de baixo custo computacional, sendo interessante para auxiliar médicos especialistas. Sendo assim, o principal objetivo deste trabalho é desenvolver um algoritmo que segmenta automaticamente a camada MLI e a área do BM em imagens OCT. Outros objetivos são: aquisição automática das medidas do BM e segmentação da camada MLI para imagens sem BM, provando que o algoritmo também pode ser usado em Mácula Normal (MN). A base de dados é pública e possui 102 imagens OCT com BM e 206 imagens OCT com MN. Técnicas de préprocessamento são usadas para remover ruídos e melhorar a qualidade da imagem. A segmentação da camada MLI é realizada através de um conjunto de técnicas envolvendo Distância Euclidiana e Algoritmos de Inundação e Seguimento de borda. A média e o desvio padrão (DP) do erro absoluto (EA) em pixels são de 2,72 ± 1,91 e o tempo médio de processamento (TMP) por imagem é 0,24s. Na segmentação da área do BM, o mesmo conjunto de técnicas é utilizado. Os resultados são: acurácia de 99,37%, Interseção sobre União (IsU) de 78,61%, Coeficiente de Similaridade Dice (DSC) de 86,98%, Coeficiente de Correlação de Matthews (MCC) de 87% e TMP por imagem de 19,95s. Para as medições do BM, a média e DP do EA para todas as medidas é menor que 107 μm. A média e DP do EA em pixels para a camada MLI com MN são de 3,38 ± 1,89 e o TMP por imagem é de 8,27s. Para todas as aplicações, o método proposto alcançou resultados satisfatórios. A segmentação automática do BM e a extração de suas medidas serve como contribuição para auxiliar no diagnóstico médico dessa patologia