Robust Retinal Image Matching: A Modality-Resistant Descriptor Using Directional Anisotropic Texton-Like Features and...

Área de la Ciencia:

• Oftalmología
• Visión por Computadora
• Imágenes Médicas

Sus antecedentes:

• El emparejamiento de imágenes retinianas es vital para el diagnóstico médico y el seguimiento de enfermedades.
• La alineación multimodal de imágenes retinianas enfrenta desafíos por diferencias estructurales y radiométricas.
• Los métodos actuales de aprendizaje profundo dependen de los datos, mientras que los métodos tradicionales luchan con variaciones complejas.

Objetivo del estudio:

• Desarrollar un descriptor robusto y adaptable para el emparejamiento de imágenes retinianas multimodales y monomodales.
• Superar las limitaciones de los métodos existentes de aprendizaje profundo y características diseñadas por el hombre.
• Mejorar la precisión en la alineación de diversos conjuntos de datos de imágenes retinianas.

Principales métodos:

• Se propuso un nuevo descriptor que utiliza derivados direccionales anisotrópicos de Leung-Malik (LM) de primer y segundo orden para la construcción del espacio de características.
• Se fusionaron mapas de características utilizando el índice de orientación de la respuesta direccional máxima.
• Se incorporaron módulos invariantes a escala y a rotación con agrupación adaptativa ponderada.

Principales resultados:

• Se logró un recuerdo promedio del 37,48% sin fallos.
• Se demostró un rendimiento superior a los métodos del estado del arte, incluidos los enfoques de aprendizaje profundo.
• Se adaptó con éxito a múltiples conjuntos de datos: fondo de ojo en color (CF), angiografía con fluoresceína (FA), FA ultra gran angular e imágenes SLO.

Conclusiones:

• El descriptor propuesto ofrece una solución sencilla pero robusta para el emparejamiento de imágenes retinianas.
• Maneja eficazmente las diferencias geométricas y radiométricas y los desplazamientos estructurales.
• La adaptabilidad y el alto rendimiento del método lo hacen adecuado para diversas aplicaciones clínicas.