SwinCup-DiscNet: Un marco de transformadores de fusión para el diagnóstico de glaucoma utilizando características del...

Área de la Ciencia:

• Oftalmología
• Imágenes Médicas
• Inteligencia Artificial

Sus antecedentes:

• El glaucoma es una causa principal de ceguera irreversible, caracterizada por el daño del nervio óptico (ONH).
• La detección temprana del glaucoma es crucial para prevenir la pérdida de visión.

Objetivo del estudio:

• Desarrollar y evaluar un novedoso pipeline de transformadores de fusión para un cribado eficaz del glaucoma.
• Integrar la segmentación del disco/copa óptica con el análisis basado en características para mejorar la precisión diagnóstica.

Principales métodos:

• Se utilizó una U-Net con un mecanismo de atención para la segmentación del Disco Óptico (OD) y la Copa Óptica (OC).
• Se emplearon descriptores de forma espectral para calcular la Relación Vertical Copa-Disco (CDR).
• El codificador Swin Transformer extrajo características de la imagen de fondo de ojo y un método de fusión probabilístico combinó las características de CDR y aprendizaje profundo para la clasificación.

Principales resultados:

• El marco SwinCup-DiscNet demostró un rendimiento superior en comparación con los modelos tradicionales basados en CNN y los métodos de solo segmentación en tres conjuntos de datos públicos (LAG, ACRIMA, DRISTHI-GS).
• El modelo logró una alta precisión, DSC IoU, puntuación F1 y bajo error absoluto medio de la relación copa-disco (CDR MAE).

Conclusiones:

• SwinCup-DiscNet es una herramienta robusta, fiable y clínicamente interpretable para la detección temprana del glaucoma.
• El marco propuesto muestra un potencial significativo como herramienta clínica eficaz en entornos del mundo real.