Segmentación de imágenes corneales en tiempo real para la cirugía de cataratas basada en el marco de detección

Área de la Ciencia:

• Oftalmología
• Imágenes médicas
• Visión por computadora

Sus antecedentes:

• La cirugía de cataratas es un procedimiento común en todo el mundo.
• La segmentación precisa y en tiempo real de la córnea y los instrumentos quirúrgicos es crucial para la orientación intraoperatoria y la educación quirúrgica.
• Los métodos actuales de segmentación de aprendizaje profundo a menudo requieren anotaciones a nivel de píxeles que requieren mucho tiempo, lo que dificulta el uso práctico.

Objetivo del estudio:

• Introducir EllipseNet, un marco eficiente para la segmentación corneal en tiempo real en la cirugía de cataratas.
• Desarrollar un método que reduzca la carga de trabajo de anotación en comparación con las técnicas tradicionales de anotación a nivel de píxeles.
• Para permitir una segmentación corneal más rápida y precisa para aplicaciones clínicas.

Principales métodos:

• Desarrollado EllipseNet, un marco libre de anclaje que utiliza el modelado basado en elipse para la segmentación de la córnea.
• Utilizó la red de reloj de arena para la extracción de características.
• Se emplean simples anotaciones rectangulares delimitadoras, que permiten la inferencia autónoma de parámetros elípticos para una coincidencia precisa de la forma de la córnea.

Principales resultados:

• Performance en tiempo real, segmentación de imágenes en 42 ms.
• Alcanzó una alta precisión de dados del 95.81%.
• La velocidad de segmentación demostrada es casi tres veces más rápida que los modelos de última generación, manteniendo una precisión comparable.

Conclusiones:

• EllipseNet proporciona una segmentación corneal rápida, precisa y en tiempo real, disminuyendo significativamente la carga de trabajo de anotación.
• El marco simplifica el proceso de segmentación, reduciendo así el obstáculo para la adopción clínica.
• El código fuente disponible al público facilita la investigación y el desarrollo.