Image-based Glaucoma Classification Using Fundus Images and Deep Learning

• H. J. Sandoval-Cuellar ^[1] ; G. Alfonso-Francia ^[1] ; M. A. Vázquez-Membrillo ^[2] ; J. M. Ramos-Arreguín ^[1] ; S. Tovar-Arriaga ^[1]
  1. [1] Universidad Autónoma de Querétaro

     Universidad Autónoma de Querétaro

     México

     
  2. [2] Instituto Mexicano de Oftalmología
• Localización: Revista mexicana de ingeniería biomédica, ISSN 0188-9532, ISSN-e 2395-9126, Vol. 42, Nº. 3, 2021, págs. 28-41
• Idioma: inglés
• Títulos paralelos:
  • Clasificación de Glaucoma Basada en Imágenes de Fondo de Ojo y Aprendizaje Profundo
• Enlaces
  • Texto completo
• Resumen
  • español

    El glaucoma es una enfermedad que afecta gradualmente al nervio óptico. La presión intravascular se puede controlar para prevenir la pérdida de visión, por lo que la detección temprana del glaucoma es crucial. El disco óptico ha sido un punto de referencia importante para encontrar anormalidades en la retina. El rápido desarrollo de técnicas de visión por computadora ha hecho posible el analizar las condiciones del ojo ayudando al especialista a realizar un diagnóstico utilizando una técnica no invasiva en su estadio inicial en imágenes de fondo de ojo. En este artículo, se propone una arquitectura para la detección de glaucoma utilizando aprendizaje profundo. Una red neuronal convolucional (RNC) es entrenada para extraer múltiples características, para clasificar imágenes de fondo de ojo. La exactitud, sensibilidad, y el área bajo la curva obtenidos en la base de datos ORIGA son 93.22%, 94.14% y 93.98%. El uso del algoritmo para la detección automática de la región de interés, incrementa considerablemente la exactitud de detección de glaucoma en la base de datos ORIGA.

  • English

    Glaucoma is an eye disease that gradually affects the optic nerve. Intravascular high pressure can be controlled to prevent total vision loss, but early glaucoma detection is crucial. The optic disc has been a notable landmark for finding abnormalities in the retina. The rapid development of computer vision techniques has made it possible to analyze eye conditions from images enabling to help a specialist to make a diagnosis using a technique that is non-invasive in its initial stage through fundus images. We propose a methodology glaucoma detection using deep learning. A convolutional neural network (CNN) is trained to extract multiple features, to classify fundus images. The accuracy, sensitivity, and the area under the curve obtained using the ORIGA database are 93.22%, 94.14%, and 93.98%. The use of the algorithm for the automatic region of interest detection in conjunction with our CNN structure considerably increases the glaucoma detecting accuracy in the ORIGA database.