Contributions to the Automatic Detection of Laser Marks in Retinal Digital Fundus Images

Abstract

Diabetic retinopathy is the most frequent and serious complication of diabetes mellitus that affects vision. In advanced stages its progress can be delayed with recourse to laser photocoagulation treatments which destruct retinal tissue alleviating retinal hypoxia conditions and thus slowing the neovascularization processes typical of diabetic retinopathies. Currently, screening programs rely on automatic algorithms implemented to detect signs of diabetic retinopathy in patients. Unfortunately, these systems can malfunction if the patients screened have already undergone laser photocoagulation treatments. This work, proposed by Retmarker S.A., presents a digital retinal fundus image treebased classifier which uses features computed from candidate regions extracted from an input image to decide if that image shows evidence of previous photocoagulation laser treatments. A scientific paper describing the proposed algorithm and providing two new public accessible datasets of retinal images containing retinal images with laser marks was also prepared in order to submit to a scientific journal in the near future. Three state-of-the-art image processing segmentation algorithms were combined to identify candidate laser marks, then features based on geometrical, texture, spatial distribution and intensity descriptors were calculated. The final decision about the presence of laser marks was obtained using specifically trained classifiers. A simple threshold-based classifier as well as four different tree-based classifiers, all of them using the image-based features, were tried and the ones providing the best classification performance were kept as the choice classifiers. The performance of each algorithm was obtained after training and testing using retinal images with positive (containing laser marks) and negative cases from eight public datasets and three proprietary datasets, making a total of 233 images with laser marks and 2401 images without laser marks. A classifier based on a decision tree proved to be the best solution for this application with a sensitivity of 88.1% and a specificity of 98.9%. Further aspects and results of this novel contribution are presented and discussed in detail in this document. Finally, some considerations on possible improvements and future developments, such as the optimization of the implemented algorithm in order to reduce the computation time, are made to close this thesis dissertation.

A retinopatia diab´etica ´e a complica¸c˜ao mais grave e frequente da diabetes mellitus que afecta a vis˜ao. Em estados avan¸cados, o seu progresso pode ser travado com recurso a tratamentos de fotocoagula¸c˜ao que usam laser e que destroem tecido da retina. Actualmente, existem programas de rastreio que usam m´etodos autom´aticos implementados que detectam sinais de retinopatia diab´etica nos doentes. Contudo, estes sistemas podem funcionar indevidamente perante doentes que j´a foram tratados. Este trabalho, no ˆambito do projecto de tese proposto pela empresa Retmarker S.A., apresenta um classificador de retinografias baseado em ´arvores, que usa caracter´ısticas calculadas a partir de regi˜oes candidatas que por sua vez s˜ao extra´ıdas a partir da imagem da retinografia, e decide se essa imagem cont´em ind´ıcios de tratamentos pr´evios de fotocoagula¸c˜ao por laser. Adicionalmente, resultou deste trabalho um artigo cient´ıfico, para ser submetido a revista da especialidade num futuro pr´oximo, que descreve o m´etodo de dete¸c˜ao de marcas laser proposto, assim como dois conjuntos de imagens retinogr´aficas com marcas laser abertos ao uso pela comunidade cient´ıfica. Trˆes algoritmos estado-da-arte de segmenta¸c˜ao em processamento de imagem foram combinados com o intuito de detectar candidatos a marcas laser. Resultam destes algoritmos v´arios parˆametros baseados em descriptores geom´etricos, texturais, de distribui¸c˜ao espacial e de intensidade que funcionam como elementos caracter´ısticos das imagens e que s˜ao as entradas dos classificadores testados. Para efectuar a detec¸c˜ao de marcas laser foram testados um classificador simples baseado em limiar e quatro classificadores em ´arvore, todos eles recebendo os parˆametros caracter´ısticos das imagens como entradas, tendo os melhores sido escolhidos para um estudo mais aprofundado e escolhido como a solu¸c˜ao de classifica¸c˜ao a adoptar. A performance de cada algoritmo foi avaliada ap´os a respectiva fase de treino e de teste, usando imagens de retinografia com casos positivos (imagens com marcas laser) e com casos negativos provenientes de oito datasets p´ublicos e de trˆes datasets propriet´arios, num total de 233 imagens com marcas laser e de 2401 imagens sem marcas laser. A ´arvore de decis˜ao demonstrou ser a melhor solu¸c˜ao para o problema da classifica¸c˜ao para esta aplica¸c˜ao, tendo sido conseguida uma sensibilidade de 88.1% e uma especificidade de 98.9%. Os cap´ıtulos que se seguem descrevem em maior detalhe a abordagem seguida, fornecendo informa¸c˜ao sobre os m´etodos estudados e apresentando tamb´em mais resultados. Finalmente, algumas considera¸c˜oes sobre poss´ıveis melhorias e ideias para trabalhos futuros, tais como optimiza¸c˜ao e redu¸c˜ao do tempo de c´alculo do algoritmo implementado, concluem esta disserta¸c˜ao.