Automatic Detection and Characterization of Pathological Fluid Regions in Optical Coherence Tomography Images

  1. Lizancos Vidal, Plácido Francisco
Dirixida por:
  1. Jorge Novo Buján Director
  2. Marcos Ortega Hortas Co-director

Universidade de defensa: Universidade da Coruña

Fecha de defensa: 30 de novembro de 2023

Tribunal:
  1. C. I. Sánchez Gutiérrez Presidente/a
  2. Pedro Cabalar Secretario/a
  3. Nery García- Porta Vogal

Tipo: Tese

Teseo: 825618 DIALNET lock_openRUC editor

Resumo

A acumulación de líquido intrarretiniano é tanto o síntoma común como culpable das principais causas de cegueira nos países desenvolvidos: a dexeneración macular asociada á idade e o edema macular diabético. Para o seu diagnóstico, os expertos no campo empregan imaxes de tomografía de coherencia óptica (OCT), que proporcionan representacións transversais non invasivas das estruturas retinianas. Non obstante, ao igual que calquera modalidade de imaxe médica, a OCT vese influenciada por múltiples factores que afectan a s´ua calidade e a súa posterior interpretación. Xunto coa subxectividade dos expertos humanos, estes factores poden afectar significativamente ao proceso diagn´ostico, ao tratamento e á calidade de vida das persoas afectadas (particularmente nestas patoloxías onde unha detección precoz é crucial). Para abordar estes desafíos, desenvólvense metodoloxías de diagnóstico asistido por ordenador (CAD), que ofrecen unha capa de abstracción da información presente nas imaxes. Non obstante, no escenario particular das acumulacións patolóxicas de líquido, o desenvolvemento destas metodoloxías é especialmente difícil debido a súa natureza difusa, sen bordes definidos. Nesta tese de doutoramento propoñemos diferentes metodoloxías de CAD co obxectivo de axudar ás persoas expertas do campo a detectar e comprender mellor estas patoloxías. Ademais, expandimos as metodoloxías desenvoltas a outras modalidades de imaxe médica e patoloxías, como a an´alise de neovascularizacións maculares en Anxiografía OCT e ao diagnóstico da COVID-19 mediante a análise de radiografías torácicas.