| Revista: | Revista mexicana de ingeniería biomédica |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000458778 |
| ISSN: | 0188-9532 |
| Autores: | Cisneros Guzmán, Fernanda1 Toledano Ayala, Manuel1 Tovar Arriaga, Saúl1 Rivas Araiza, Edgar A1 |
| Instituciones: | 1Universidad Autónoma de Querétaro, Querétaro. México |
| Año: | 2022 |
| Periodo: | Sep-Dic |
| Volumen: | 43 |
| Número: | 3 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | La segmentación juega un papel vital en las imágenes de angiografía por tomografía de coherencia óptica (OCT-A), ya que la separación y distinción de las diferentes partes que forman la mácula simplifican la detección posterior de patrones/enfermedades observables en la retina. En este trabajo, llevamos a cabo una segmentación de imágenes multiclase donde se destacan las mejores características en los plexos apropiados al comparar diferentes arquitecturas de redes neuronales, incluidas U-Net, ResU-Net y FCN. Nos centramos en dos zonas críticas: la segmentación de la vasculatura retiniana (RV) y la zona avascular foveal (FAZ). La precisión para RV y FAZ en 316 imágenes OCT-A de la base de datos OCT-A 500 se obtuvo en 93.21 % y 92.59 %. Cuando se segmentó la FAZ en una clasificación binaria, con un 99.83% de precisión |
| Resumen en inglés | Segmentation is vital in Optical Coherence Tomography Angiography (OCT-A) images. The separation and distinction of the different parts that build the macula simplify the subsequent detection of observable patterns/illnesses in the retina. In this work, we carried out multi-class image segmentation where the best characteristics are highlighted in the appropriate plexuses by comparing different neural network architectures, including U-Net, ResU-Net, and FCN. We focus on two critical zones: retinal vasculature (RV) and foveal avascular zone (FAZ). The precision obtained from the RV and FAZ segmentation over 316 OCT-A images from the OCT-A 500 database at 93.21% and 92.59%, where the FAZ was segmented with an accuracy of 99.83% for binary classification |
| Disciplinas: | Medicina |
| Palabras clave: | Sistema cardiovascular, Diagnóstico, Tomografía de coherencia óptica, Angiografía, Segmentación de imágenes, Red neuronal convolucional |
| Keyword: | Cardiovascular system, Diagnosis, Optical coherence tomography, Angiography, Image segmentation, Convolutional neural network |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
