Estudio de la vida real sobre el modelado numérico de las arcadas temporales superiores e inferiores en imágenes de fondo de retina
Fiche du document
1 janvier 2022
- handle: 10670/1.8gfrsz
Ce document est lié à :
10.21640/ns.v14i28.2745
info:eu-repo/semantics/openAccess
Mots-clés
análisis de fondo de retina arcada temporal principal modelado de curvas funciones splines pacientes sanos retinopatía diabética filtros gaussianos de correspondencia segmentación binaria modelos diabetes atención médica medicina oftalmológica saludSujets proches
Molding (Clay, plaster, etc.) Clay modeling Modelling Modelado (Arcilla, yeso, etc.) modelaciónCiter ce document
Ángel Jonathan Rodríguez-Villalobos et al., « Estudio de la vida real sobre el modelado numérico de las arcadas temporales superiores e inferiores en imágenes de fondo de retina », Nova Scientia, ID : 10670/1.8gfrsz
Métriques
Partage / Export
Résumé
Resumen Introducción: La alta prevalencia de Diabetes Mellitus tipo 2 en México ha posicionado a la retinopatía diabética como la principal causa de ceguera en adultos en edad productiva en México. Por ello, la detección oportuna de este padecimiento es una tarea prioritaria para el sistema público de salud. En el presente artículo se estudia el desempeño de un nuevo algoritmo para la determinación de la forma de la arcada temporal mayor de la retina, mediante el uso de técnicas de segmentación de imágenes y modelado numérico de curvas. Método: La metodología propuesta emplea Filtros Gaussianos de Correspondencia que realzan la geometría de los vasos sanguíneos. Posteriormente, la estructura vascular es segmentada mediante la umbralización global de la imagen realzada. Dicha segmentación es utilizada como entrada para construir un modelo numérico de las arcadas temporales superior en inferior, utilizando funciones Spline. Resultados: La evaluación de desempeño se realizó utilizando 136 imágenes de 6000 × 4000 pixeles. El algoritmo de segmentación automática de venas de la retina mediante el método GMF obtuvo un valor de Accuracy de 0.9852; el algoritmo de modelado numérico dio un resultado de 6.01 pixeles en la métrica de la distancia media al punto más cercano (MDCP). Otro estudio previo reportó 12.33 pixeles. Con respecto al tiempo, se reportó un tiempo promedio de 10.65 segundos por imagen. Discusión: El método propuesto fue capaz de realizar eficientemente el modelado numérico de las arcadas temporales en imágenes de fondo de ojo. Los resultados demuestran que este método es una herramienta computacional útil para el diagnóstico de alteraciones en la anatomía del ojo.