Você está na página 1de 28

UNIVERSIDADE FEDERAL DO MARANHÃO

CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA


PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO

CAMILA COSTA SILVA

RELATÓRIO TÉCNICO DE ESTUDO DIRIGIDO

PROCESSAMENTO DE IMAGENS OFTALMOLÓGICAS

SÃO LUÍS –MA

2016
2

CAMILA COSTA SILVA

RELATÓRIO TÉCNICO DE ESTUDO DIRIGIDO

PROCESSAMENTO DE IMAGENS OFTALMOLÓGICAS

Relatório técnico realizado durante a


disciplina de Estudo Dirigido do
Programa de Pós-Graduação em Ciência
da Computação.

Orientador: Anselmo Cardoso de Paiva

SÃO LUÍS

2016
3

CAMILA COSTA SILVA

RELATÓRIO TÉCNICO DE ESTUDO DIRIGIDO

PROCESSAMENTO DE IMAGENS OFTALMOLÓGICAS

Aprovado em ___ / ___ / ______

_________________________________________
Prof. Dr. Anselmo Cardoso de Paiva
Orientador
SUMÁRIO

1. INTRODUÇÃO .......................................................................................................8

2. OBJETIVOS ............................................................................................................8

2.1. OBJETIVO GERAL ................................................................................................8

2.2. OBJETIVOS ESPECÍFICOS ...................................................................................8

3. ANATOMIA DO OLHO .........................................................................................9

4. PATOLOGIAS DO OLHO ....................................................................................12

5. AQUISIÇÃO DE IMAGEM ..................................................................................16

5.1. Retinografia Simples e Fluorescente ......................................................................16

5.2 Tomografia de Coerência Óptica – OCT ...............................................................17

5.3 Bases de Imagens de Retina ...................................................................................18

5.3.1 STARE ...................................................................................................................18

5.3.2 DRIVE ...................................................................................................................18

5.3.3 ARIA ......................................................................................................................19

5.3.4 MESSIDOR ...........................................................................................................19

5.3.5 DIARETDB0 e DIARETDB1 ...............................................................................20

5.3.6 HRF ........................................................................................................................21

5.3.7 RIM-ONE...............................................................................................................21

6. PROCESSAMENTO DE IMAGENS OFTALMOLÓGICAS ..............................23

6.1 Arquitetura do Processamento de Imagens de Retina ............................................23

6.2 Detecção Automática de Anomalias ......................................................................24

6.3 Segmentação Automática de Pontos de Referência ...............................................24


5

6.3.1 Segmentação do Disco Óptico ...............................................................................24

6.3.2 Segmentação da Mácula e Fóvea ...........................................................................25

6.3.3 Segmentação de Vasos Sanguíneos .......................................................................25

7. CONCLUSÃO .......................................................................................................26

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................27


6

1. INTRODUÇÃO

No Brasil, existem mais de 6,5 milhões de pessoas com deficiência visual, sendo
582 mil cegas e 6 milhões com baixa visão, segundo dados do Censo 2010, do Instituto
Brasileiro de Geografia e Estatística (IBGE). Até 80% dos casos de cegueira resultam de
causas previsíveis ou tratáveis, mas a cada cinco segundos uma pessoa fica cega no
mundo e uma criança perde a visão a cada minuto. São 285 milhões de pessoas no mundo
vivendo com baixa visão ou cegueira. Desses, 39 milhões são cegas e 246 milhões têm
moderada ou grave deficiência visual.

Os pacientes com doenças oculares muitas vezes desconhecem a progressão


assintomática da doença até uma fase avançada de deterioração da visão, quando o
tratamento é menos eficaz. Embora visitas regulares ao médico oftalmologista possam
permitir a detecção precoce e intervenção em tempo adequado de tais doenças, são
limitados os recursos clínicos e há grande resistência da população aos hábitos de
prevenção de enfermidades.

Sistemas de CAD (Computer-Aided Detection) e CADx (Computer-Aided


Diagnosis) que automatizam o processo de detecção e diagnóstico de doenças
oftalmológicas são cada vez mais importantes para dar suporte à análise de estruturas
oculares realizada por médicos especialistas de maneira a auxiliá-los na detecção precoce
de alterações patológicas.

A identificação de doenças do olho humano através de técnicas de processamento


digital de imagens vem sendo frequentemente utilizada em aplicações de detecção de
alterações estruturais na retina e de doenças como a Retinopatia Diabética e Glaucoma,
sendo esta a segunda causa mais comum de cegueira no mundo [1]. Patologias
oftalmológicas, como o glaucoma, são caracterizadas por alterações típicas do disco ótico
e da camada de fibras nervosas da retina, com alterações características no campo visual.
Essas patologias podem apresentar causas diversas, como pressões intraoculares (PIO)
acima de níveis considerados estatisticamente normais [2].

A integração de sistemas automáticos de auxílio ao diagnóstico de doenças do


sistema visual, através de imagens de retina, em programas de triagem permite examinar
de forma objetiva um elevado número de imagens, economizando tempo e recursos. Desta
análise poderão ser identificados doentes que, apesar de não apresentarem uma elevada
7

expressão de sintomas, evidenciam alterações prematuras na retina e encaminhá-los para


um acompanhamento clínico especializado [3].

Atualmente as principais modalidades de exames oftalmológicos utilizados para


a detecção de patologias internas ao globo ocular são a fotografia de Fundo de Olho
(Retinografia) e a Tomografia de Coerência Ótica (Optical Coherence Tomography -
OCT). Nos últimos anos a utilização desses exames tem se intensificado. Compreendê-
los assim como identificar as principais descobertas através desses exames é fundamental
para o desenvolvimento de algoritmos e métodos para a identificação automatizada de
alterações estruturais.

O objetivo deste trabalho é realizar uma investigação de algoritmos de


processamento digital de imagem aplicados a detecção e diagnóstico de patologias
oftalmológicas a partir de imagens médicas do globo ocular.

A organização do trabalho se dará da seguinte forma: Primeiramente é


apresentado o objetivo da pesquisa, seguido pela definição da anatomia do olho humano
e relação das principais patologias oculares. Em seguida, são especificadas as
modalidades de imagens médicas oftalmológicas. E na seção seguinte, apresentamos
alguns métodos utilizados no processamento de imagens oftalmológicas.
8

2. OBJETIVOS

2.1. OBJETIVO GERAL

Pesquisar as principais modalidades de imagens, métodos e algoritmos para


detecção e diagnóstico de patologias oftalmológicas a partir de imagens médicas do
globo ocular.

2.2. OBJETIVOS ESPECÍFICOS


 Identificar as principais modalidades de imagens médicas para diagnóstico
de patologias oculares;
 Levantamento bibliográfico sobre o processamento de imagens
oftalmológicas;
 Identificar as técnicas de processamento de imagem utilizadas em sistemas
CAD e CADx relacionadas às patologias oftalmológicas.
9

3. ANATOMIA DO OLHO

O olho é o responsável pela captação da luz refletida pelos objetos à nossa volta.
Rotineiramente, ele é comparado a uma câmera fotográfica pois ambos usam lentes
para focalizar a luz incidente. Enquanto a câmera utiliza o sensor óptico para registrar
a imagem, o olho utiliza uma camada especializada de células chamada retina [4]. Na
Figura 1 é apresentada a estrutura do olho humano correspondente a uma seção
horizontal do globo ocular.

Figura 1: Estrutura do olho humano (VERAS, 2014).

O globo ocular tem formato aproximadamente esférico e um diâmetro de cerca


de 20 mm, fica acondicionado dentro de uma cavidade óssea e protegido pelas
pálpebras. Ele é envolvido por três membranas: a camada externa formada pela córnea
e pela esclerótica, a coróide e a retina, que é a camada interna. A córnea é uma película
transparente que cobre a parte anterior do olho. Dando continuidade à córnea, a
esclerótica é uma membrana opaca que reveste o globo ocular.

A coróide está situada abaixo da esclerótica. Essa membrana contém uma rede
de vasos sangüíneos que servem como a principal fonte de nutrição do olho. O
revestimento da coróide é fortemente pigmentado, o que ajuda a reduzir a quantidade
de luz que entra no olho. Ela é dividida em corpo ciliar e diafragma da íris, sendo este
último responsável por controlar a quantidade de luz que deve penetrar no olho. O
diâmetro da abertura central da íris (pupila) varia entre 2 mm e 8 mm. A parte frontal
10

da íris contém o pigmento visível do olho, enquanto sua porção posterior possui um
pigmento negro.

A membrana mais interna do olho é a retina, situada na sua parede posterior.


Quando o olho focaliza uma cena, a imagem correspondente é projetada sobre a retina,
na qual estão distribuídos dois tipos de receptores de luz discretos: os cones e os
bastonetes, os quais recebem e os convertem os estímulos luminosos em estímulo
elétrico, transmitindo-o ao nervo óptico. Os cones são em número de 6 a 7 milhões
em cada olho e estão localizados na porção central da retina, chamada de fóvea. Eles
são altamente sensíveis a cor e cada qual está conectado a uma terminação nervosa
dedicada. O número de bastonetes é bastante maior, cerca de 75 a 150 milhões,
distribuídos em toda a superfície da retina. Os bastonetes servem para dar uma visão
geral da imagem captada no campo de visão. Eles não distinguem cores, mas são
sensíveis a baixos níveis de iluminação [5]. A Figura 2 apresenta as principais
estruturas presentes em uma retina saudável: o disco óptico, os vasos sanguíneos, a
mácula e a fóvea.

No fundo do olho podemos encontrar o disco óptico e a mácula lútea. O disco


óptico (DO) é a porção do nervo óptico vista no fundo dos olhos, formado pelo
encontro de todos os axônios das células ganglionares da retina assim que penetram
no nervo óptico. O DO é uma estrutura circular que apresenta uma tonalidade rosa
pálido ou esbranquiçada e bordas bem definidas, ele situa-se no lado nasal da retina e
seu diâmetro físico médio é de cerca de 1,5mm. O disco óptico não contém
fotorreceptores, ele é insensível à luz. Consequentemente, esta parte da retina costuma
ser denominada de ponto cego.

Em uma imagem de um fundo ocular normal pode-se constatar que o disco


óptico constitui a parte mais brilhante na imagem e também a região de convergência
dos vasos na retina. Em uma imagem de retina normal, todas estas propriedades
(forma, cor, tamanho e convergência dos vasos) contribuem para a identificação do
disco óptico [4].

A mácula lútea, ponto central da retina, é a região que distingue detalhes no meio
do campo visual. A mácula lútea é uma pequena área oval da retina, com cones
fotorreceptores especiais e em maior número, sendo assim, uma área especializada
11

para acuidade visual. No centro da mácula lútea há uma pequena depressão


denominada fóvea central, a área de visão mais aguda e apurada.

A fóvea central possui aproximadamente 1,5mm de diâmetro. De forma


aproximada, podemos considerá-la um sensor de área quadrada de 1,5mm por 1,5mm.
A densidade de cones nesta área da retina é de aproximadamente 150.000 elementos
por mm2. Baseando-se nessas aproximações, o número de cones na região de maior
acuidade do olho é de aproximadamente 337.000 elementos [5].

Figura 2: Estruturas fisiológicas da retina (VERAS, 2014).


12

4. PATOLOGIAS DO OLHO
Esta seção apresenta brevemente as causas e sintomas para as principais doenças
oculares.
A visão normal chamada emetropia, é capaz de focalizar raios luminosos
paralelos sobre a retina. No olho emétrope, os raios são projetados na região da
mácula lútea. Qualquer condição que se desvie deste estado normal do olho é
chamada de ametropia.
Entre as principais causas de diminuição crônica da visão, podem ser citadas a
catarata, o glaucoma e doenças retinianas, como a Degeneração Macular Relacionada
a Idade (DMRI), retinopatia diabética, além da seqüela de oclusões de vasculares. De
acordo com dados da Organização Mundial de Saúde, a catarata é a principal causa
de cegueira do mundo, seguida pelo glaucoma. Entretanto, sendo a catarata uma
causa passível de tratamento eficaz, o glaucoma torna-se uma doença de preocupação
em saúde pública por ser uma causa prevalente e, infelizmente, sem cura, sendo a
primeira causa de cegueira irreversível do mundo.
 Catarata: Catarata é a condição caracterizada pela perda da transparência
do cristalino, impedindo que os feixes de luz cheguem à retina, onde
serão percebidos pelos fotorreceptores. Em condições fisiológicas, o
cristalino aloja-se imediatamente atrás da íris, podendo ser visto através da
área pupilar, separando a câmara vítrea do segmento anterior do olho.
Sustentado pelas fibras zonulares, as quais funcionam como uma conexão
entre o cristalino e o corpo ciliar, essas três estruturas agem
harmoniosamente num processo de relaxamento e contração, fundamental
para o processo de focalização das imagens sobre a retina. Esse fenômeno é
“chamado” de acomodação. Juntamente ao processo de opacificação, o
cristalino diminui progressivamente sua elasticidade e sua capacidade de
acomodar causando diminuição da visão. O único tratamento existente para
a catarata é a remoção do cristalino cirurgicamente. Na cirurgia, o núcleo e
córtex critalino são extraídos, mantendo-se apenas a cápsula que envolve o
cristalino, dentro da qual será implantada uma lente artificial. A classificação
da gravidade da catarata, essencial para o planejamento cirúrgico, é realizada
pela localização da nebulosidade e avaliação do seu nível de opacidade [6].
 Degeneração Macular Relacionada a Idade: A DMRI provoca perda de
visão na região central e desfocagem e distorção na região periférica (Figura
13

3). Os sinais correspondem a alterações exclusivas no fundo do olho,


envolvendo quase sempre a região macular. A DMRI é classificada
dependendo da presença de exsudatos (anomalias que refletem a quebra da
barreira hemato-retiniana) em: forma seca ou não exsudativa e forma úmida
ou exsudativa. A DMRI é dividida em forma seca ou não exsudativa e forma
úmida ou exsudativa. DMRI forma seca resulta da atrofia da camada
epitelial de pigmento da retina o que causa a perda de visão através da perda
de fotorreceptores na parte central da retina. O principal sintoma e também
o primeiro indicador clínico da forma seca é a presença de drusas (depósitos
subretinais formada por desgaste da retina). DMRI forma úmida provoca
perda da visão devido ao crescimento anormal dos vasos sanguíneos abaixo
da retina (neovascularização da coróide) provocando edema de retina,
hemorragias e exsudatos podendo causar danos irreversíveis fotorreceptores
e perda de visão rápida. A DMRI forma seca não tem tratamento. A DMRI
forma úmida, por sua vez, é tratável.

Figura 3: Danos visuais causados por DMRI. À direita: visão normal. À esquerda:
visão com DMRI. (https://en.wikipedia.org/wiki/Macular_degeneration)
 Glaucoma: O glaucoma é caracterizada pela progressiva degeneração de
fibras do nervo óptico, o que leva a alterações estruturais da cabeça do nervo
óptico, a camada de fibras nervosas e uma falha funcional simultânea do
campo visual. Embora o glaucoma não possa ser curado, a sua progressão
podem ser desacelerada pelo tratamento. O diagnóstico de glaucoma é
tipicamente baseado no histórico médico, pressão intra-ocular e perda de
campo visual juntamente com uma avaliação manual do disco óptico, através
de oftalmoscopia. O glaucoma provoca um alargamento da região cup,
escavação, com relação ao DO (afinamento do rim neurorretiniana) chamado
14

cupping. Este é um dos indicadores importantes e vários parâmetros


relacionados com cupping têm sido utilizados para detectar o glaucoma [6].
Durante o exame clínico, o oftalmologista precisa realizar a medição da
escavação em relação ao DO. Uma escavação maior que 0,7
provavelmente é anormal, ver Figura 4. O tratamento do glaucoma
consiste em retardar ou parar a progressão da doença através da redução da
pressão intra-ocular.

Figura 4: Marcação de regiões do disco óptico e a razão entre elas (MAHAPATRA


& BUHMANN, 2005).
 Retinopatia Diabética: Retinopatia Diabética (RD) é a retinopatia (danos
na retina), causada por complicações da diabetes que é causada quando os
vasos sanguíneos no olho começam a ficar bloqueados devido ao alto teor de
açúcar no sangue [8] e pode eventualmente levar à cegueira. É uma
manifestação clínica da doença de doença sistémica que afecta cerca de 80%
de todos os pacientes que tiveram diabetes durante 10 anos ou mais [9]. A
Retinopatia Diabética é classificada em dois tipos: Não Proliferativa (RDNP)
e Proliferativa (RDP). A RDNP é caracterizada por aumento da
permeabilidade capilar e à oclusão vasculas. Nela encontra-se lesões
vermelhas como microaneurismas, hemorragias e exudatos duros (ver Figura
5). Na sua fase avançada aparecem também manchas algodonosas. A RDP
caracterixa-se pela presença de neovasos. A principal manisfestação clínica
da RD é a baixa acuidade visual que pode ser súbita (aguda) ou progressiva
(crônica), como mostrado na Figura 6. A principal manisfestação clínica da
15

RD é a baixa acuidade visual que pode ser súbita (aguda) ou progressiva


(crônica). O diagnóstico da RD se faz pelo exame de fundo de olho. O
tratamento da doença depende do estágio da doença podendo incluir
laserterapia e vitrectomia, no entanto a prevenção se mostra como o
tratamento mais eficaz realizando um controle rígido dos níveis glicêmicos
do paciente.

Figura 5: Imagem de fundo de olho mostrando exsudatos duros a partir de


vazamento de fluidos na retina e hemorragia de microaneurismas
(http://www.retinaeye.com/nonprodiabeticretinopathy.html).

Figura 6: Retinopatia Diabética. À Esquerda: Visão normal. À Direita: Visão


acometida com RD (http://pacificeyespecialists.com/san-francisco/specialty-eye-
care/diabetic-retinopathy/).
16

5. AQUISIÇÃO DE IMAGEM
É necessário conhecer as bases do exame oftalmológico para que o nosso estudo
e assim o auxílio aos especialistas no exame clínico seja cada vez mais específico,
objetivo e efetivo. Nesta seção serão apresentados os tipos mais comuns de exames
oftalmológicos bem como as imagens correspondentes. Em seguida, serão descritas
brevemente algumas bases de imagens oftalmológicas mais utilizadas.
5.1. Retinografia Simples e Fluorescente

A retinografia é um exame oftalmológico que permite observar e fotografar a


retina, o nervo ótico e o fundo do olho. A retinografia serve para efetuar o diagnóstico
ou proceder ao acompanhamento de algumas doenças dos olhos. As principais
indicações da retinografia se relacionam com o diagnóstico de algumas patologias
que podem afetar a retina e o nervo ótico tais como a retinopatia diabética, o
glaucoma, a degeneração macular, oclusões vasculares da retina, estudo do nervo
ótico ou de outras distrofias retinianas, estudo de tumores oculares, entre outras.

A retinografia é capturada por um instrumento óptico especializado, o


retinógrafo, apresentado na Figura 7, composto por lentes, espelhos, filtros e
câmeras. A região da retina é iluminada de forma a possibilitar captura de imagem
ou vídeo da região. Os retinógrafos atuais permitem a obtenção de imagens digitais
da retina em alta qualidade, que podem ser armazenadas e processadas por softwares
[10].

Figura 7: Exemplos de retinógrafos do mercado [11].

Estes equipamentos de modo geral realizam dois tipos básicos de exames: as


retinografias simples e as angiografias ou retinografias fluorescentes. No primeiro
caso, as imagens capturadas são formadas pelas retro-reflexões e espalhamento da
luz quando esta atinge o fundo do olho, conforme mostrado na Figura 8.a. As
angiografias diferem devido à administração de um contraste na corrente sanguínea
do paciente. As imagens, neste caso, são formadas pela captação do sinal de
fluorescência do contraste, o que permite observar a circulação dos vasos sangúneos,
a retina e a coróide. Uma imagem de angiografia pode ser visualizada na Figura 8.b
[11].
17

Figura 8: Retinografia. Fotografia de fundo de olho. (a) Retinogafia Simples. (b)


Angiografia Fluorescente Ocular.

5.2. Tomografia de Coerência Óptica – OCT


A tomografia por coerência óptica (OCT – Optical Coerence Tomography) é um
método de imagem da retina não-invasivo, com alta resolução, que utiliza os
diferentes comprimentos de onda de luz infravermelha refletida pelas estruturas
retinianas para construir bidimensionais, tridimensionais ou seccionais que
possibilitam analisar detalhadamente as diferentes camadas retinianas e inferir dados
sobre volume e espessura. Os mapas em falsas cores permitem o estudo da retina “in
vivo” com imagens muito semelhantes ao esperado para cortes histológicos desse
tecido [12]. O exame de OCT detecta variações mínimas da retina e do nervo ótico,
sendo fundamental para o diagnóstico precoce e controle de progressão das doenças
oculares. Uma imagem digital do exame é apresentada na Figura 9.
A técnica reconstrói o perfil de retro-espalhamento óptico de tecidos orgânicos
ou estruturas inorgânicas em profundidade, em tempo real e sem danos ou dor.
Baseia-se no sinal de interferometria utilizando uma fonte luminosa, podendo atingir
a profundidade de aproximadamente 2mm com resolução micrométrica [13].

Figura 9: Exemplo de OCT de um olho normal e suas camadas


(http://www.healthpartners.com.au/optical/products/eye-examinations/optical-coherence-
tomography).
18

5.3. Bases de Imagens de Retina

Na área de imagens médicas existem algumas bases públicas de imagens de


retina, cada uma delas com objetivos e características particulares. No entanto,
apenas a disponibilidade de imagens não é suficiente para que uma base de imagens
seja útil para o desenvolvimento de algoritmos. É fundamental a presença da
marcação de referência pelo médico especialista para que os algoritmos sejam
treinados, testados e avaliados adequadamente.

5.3.1. STARE
A Base STARE (STructured Analysis of the REtina) [14] faz parte de um projeto
iniciado por Michael Goldbaum na Universidade da Califórnia em 1975 para análise
de imagens de retina. Contém 397 imagens captadas com uma câmara de fundo de
olho com um campo de visão de 35 graus. Cada imagem, com resolução de 700 ×
605 pixels com 8 bits por canal de cor, é diagnosticada como pertencente a uma ou
mais de treze anormalidades diferentes, a segmentação do vasos sanguíneos é
fornecida. Também inclui a localização do disco óptico. A Figura 10 apresenta dois
exemplos de imagens da base STARE.

Figura 10 (a) e (b): Imagens de fundo de olho da base STARE.

5.3.2. DRIVE
A Base DRIVE (Digital Retinal Images for Vessel Extraction) [15], criada pelo
Image Sciences Institute da University Medical Center Utrecht, foi desenvolvida para
estudos comparativos sobre a segmentação dos vasos sanguíneos em imagens da
retina. O conjunto de dados contém 40 imagens de fundo de olho em que 33 não
mostram qualquer sinal de retinopatia diabética e 7 mostram sinais de retinopatia
diabética inicial moderada. Cada imagem foi capturada usando 8 bits por canal de
cor, resolução de 565 × 584 pixels com um campo de visão de 45 graus. As imagens
foram divididas em um conjunto de treinamento e um conjunto de teste, ambos
contendo 20 imagens. Para as imagens de treino, uma única segmentação de vasos
sanguíneos manual está disponível. Para os casos de teste, duas segmentações
manuais estão disponíveis; uma é utilizada como padrão de referência, a outra pode
ser usada para comparar segmentações geradas por computador com as de um
19

observador humano independente. A Figura 11 apresenta duas imagens da base


DRIVE.

Figura 11 (a) e (b): Imagens de fundo de olho da base DRIVE.

5.3.3. ARIA
A Base ARIA (Automated Retinal Image Analysis) [16] possui um total de 116
imagens coletadas por membros do pessoal da Unidade dos olhos do St Paul’s Eye
Unit of Royal Liverpool University Hospital Trust sendo 61 de retinas saudáveis e
55 de retinas com alguma patologia. As imagens de fundo de olho foram capturadas
na resolução de 768 x 576 em um campo de visão de 50 graus com 8 bits por canal
de cor e armazenados como arquivos TIFF não compactados. É fornecida a marcação
da localização do DO e da fóvea, além disso foram traçados os vasos sanguíneos. A
Figura 12 apresenta duas imagens da base ARIA.

Figura 12 (a) e (b): Imagens de fundo de olho da base ARIA.

5.3.4. MESSIDOR

A Base MESSIDOR (Méthodes d'Evaluation de Systèmes de Segmentation et


d'Indexation Dédiées à l'Ophtalmologie Rétinienne) [17] foi criada para facilitar
estudos sobre diagnósticos assistidos por computador de retinopatia diabética. Esta
base contém 1200 imagens divididas em três conjuntos. Cada conjunto é dividido em
20

quatro sub-grupos, cada um dos quais contendo 100 imagens em formato TIFF. As
imagens foram capturadas obtidas utilizando uma câmara com um campo de visão de
45 graus de vista usando 8 bits por canal de cor em resoluções de 1440 × 960, 2240 ×
1488 e 2304 × 1536. 800 imagens foram adquiridas com dilatação da pupila e 400
sem dilatação. Cada conjunto está associado a uma planilha que inclui dois
diagnósticos que são o grau de retinopatia e o grau de risco de edema macular
fornecida por médicos especialistas para cada imagem. O grau retinopatia é
classificado em quatro categorias de 0 (normal) a 3 (mais grave) de acordo com três
fatores principais que são o número de microaneurismas, número de hemorragias, e a
neovascularização. Por outro lado, os exsudados duros têm sido usados para
classificar o risco de edema macular numa escala de 0 (sem riscos) a 2 (alto risco).
No total a base possui 660 imagens de retinas saudáveis e 540 de retinas com
patologia. A Figura 13 apresenta duas imagens da base MESSIDOR.

Figura 13 (a) e (b): Imagens de fundo de olho da base MESSIDOR.

5.3.5. DIARETDB0 e DIARETDB1


As Bases DIARETDB0 (Standard Diabetic Retinopathy Database Calibration
level 0) e DIARETDB1 (Standard Diabetic Retinopathy Database Calibration level
1) [18, 19] são utilizadas para a avaliação comparativa na detecção de retinopatia
diabética. Foram disponibilizadas publicamente em 2008 usando uma câmara digital
de fundo de olho com campo de visão de 50 graus de resolução 1500 × 1152. A Base
DIARETDB0 contém 130 imagens da retina, das quais 20 são normais e as outras
110 imagens contêm vários sintomas da retinopatia diabética, enquanto a Base
DIARETDB1 contém 89 imagens coloridas de fundo de olho das quais 84 contêm,
pelo menos, leve sinais de retinopatia diabética não-proliferativa, e 5 saudáveis. Para
cada imagem há um arquivo correspondente de referência que contém localização e
dimensão dos tipos de lesões relacionadas a RD encontrados, ou seja,
microaneurismas, hemorragias, exsudatos duros, exsudatos moles, e
neovascularização. A principal diferença entre os dois bancos de imagens é que
DIARETDB0 tem nível de calibração 0 DFPs o que significa que as imagens são
tiradas com diferentes retinógrafos com as configurações da câmera desconhecidos.
No entanto DIARETDB1 tem nível de calibração 1 DFPs em um sentido que as
imagens são tomadas a partir da mesma câmara de fundo. DIARETDB0 possui mais
variação na aparência visual entre as imagens, em comparação com DIARETDB1.
21

A Figura 14.a apresenta uma imagem da base DIARETDB0 e a Figura 14.b, uma
imagem da base DIARETDB1.

Figura 14. Imagens de fundo de olho. (a) Base DIARETDB0. (b) Base DIARETDB1.

5.3.6. HRF
A Base HRF (High-Resolution Fundus) [20] foi criada pela Friedrich-Alexander
University Erlangen-Nuremberg (Alemanha) e da Brno University of Technology
(República Checa). Contém no total 45 imagens de fundo de olho de resolução 3888
× 2592, capturadas com um campo de visão de 45 graus, sendo 15 imagens de
pacientes saudáveis, 15 imagens de pacientes com RD e 15 imagens de pacientes
com glaucoma. Uma imagem binária com marcação de referência da segmentação
de vasos sanguíneos está disponível para cada imagem. Máscaras campo de visão
determinantes são fornecidos para conjuntos de dados específicos. A Figura 15
apresenta duas imagens da base HRF.

Figura 15 (a) e (b): Imagens de fundo de olho da base HRF.

5.3.7. RIM-ONE
A Base RIM-ONE [21] foi fornecida por três hospitais: Hospital Universitario
de Canarias, Hospital Clínico San Carlos e Hospital Universitario Miguel Servet. Ela
contém imagens de fundo de olho com a marcação de referência precisa da
segmentação da cabeça do nervo ótico fornecida por diferentes especialistas,
provendo assim diversas imagens de olhos saudáveis e com diferentes níveis de
glaucoma. A base é separada por categorias, ou seja, saudáveis e glaucomatosas. A
Figura 16 apresenta duas imagens da base RIM-ONE.
22

Figura 16 (a) e (b): Imagens de fundo de olho da base RIM-ONE.


23

6. PROCESSAMENTO DE IMAGENS OFTALMOLÓGICAS


O processamento de imagens consiste em um conjunto de técnicas com o
objetivo de capturar, representar e transformar imagens com o auxílio de computador.
O emprego dessas técnicas permite extrair e identificar informações das imagens e
melhorar a qualidade visual de certos aspectos estruturais, facilitando a percepção
humana e a interpretação automática.
Na Figura 17 é apresentada a representação das etapas do processamento de
imagens digitais e mostra que o objetivo global é produzir um resultado a partir da
definição do domínio do problema.

Figura 17: Etapas fundamentais do processamento de imagens digitais [22]

Em geral, os sistemas CAD utilizam-se de técnicas provenientes de duas áreas


do conhecimento: visão computacional, que envolve o processamento de imagem
para realce, segmentação e extração de atributos, e inteligência artificial, que inclui
métodos par seleção de atributos e reconhecimento de padrões [23]. Na subseção 6.1
é discutida a arquitetura do processamento de imagens de retina.
Atualmente, muitos trabalhos têm sido propostos visando à otimização da
análise de imagens oftalmológicas de maneira a auxiliar o especialista na detecção e
diagnóstico de patologias oculares e são organizados normalmente em duas grandes
categorias [24]: Detecção Automática de Anomalias e Segmentação Automática de
Pontos de Referência, apresentadas mais adiante nesta seção.
6.1. Arquitetura do Processamento de Imagens de Retina
A Figura 18 apresenta a arquitetura do sistema de alto nível de processamento
de imagem da retina mostrando os dados empregados, os passos que são seguidos e
os procedimentos que são aplicados no processamento das imagens de fundo de olho
proposta por [24].

Figura 18: Arquitetura do Processamento de Imagens de Retina


24

A Entrada refere-se às bases de imagens que formam os dados de entrada para


serem processados. O Processamento de imagem, etapa principal da arquitetura, é
composto normalmente por três sub-processos a fim de manipular as imagens de
retina originais e convertê-las em um conjunto de imagens significativas para auxiliar
no diagnóstico de patologias por exemplo.
 Pré-processamento: etapa preliminar que, normalmente, tem o objetivo de
melhorar a imagem de entrada manipulando, por exemplo, contraste, nitidez e
iluminação da imagem a fim de torná-la mais adequada ao processamento
posterior.
 Processamento de imagem: tem como objetivo a segmentação da imagem de
fundo de olho que é o processo de isolar regiões específicas de interesse dentro
da imagem [22]. As Regiões de interesse (ROI) podem incluir anomalias da
retina, como exsudatos, hemorragias, aneurismas, etc., e podem também incluir
marcações da retina tais como o disco óptico, mácula, e vasos sanguíneos.
 Pós-processamento: refere-se à última etapa de processamento que tem o
objetivo de registrar e descrever fronteiras ou esqueleto interno dos objetos ou
regiões que foram segmentados na imagem de fundo de olho.
A Saída são as imagens processadas da retina após serem realçadas, processados
e, em seguida, passam por representação e descrição. Estas imagens resultantes são
comparadas com as marcações de referência feitas por especialistas a fim de avaliar
a eficácia do trabalho. Por fim, a etapa de Avaliação mede a precisão dos resultados
encontrados pela estimativa índices para o verdadeiro positivo, verdadeiro negativo,
falso positivo e falso negativo. A sensibilidade é uma medida que reflete a
probabilidade de uma resposta positiva para os casos em que a marcação ou anomalia
está presente, enquanto a especificidade é a probabilidade de uma resposta negativa
para os casos em que a marcação ou anomalia está ausente.
6.2. Detecção Automática de Anomalias
Visa identificar as anomalias da retina através de sistemas CAD a fim de ajudar
os oftalmologistas a diagnosticar, prever e controlar o progresso da patologia através
da análise e detecção de sintomas anormais da retina, tais como exsudados,
aneurismas e hemorragias entre outros.
6.3. Segmentação Automática de Pontos de Referência
Detectar e localizar as principais estruturas anatômicas da retina, tais como o
disco óptico, a mácula, a fóvea e os principais vasos sanguíneos, são considerados
passos essenciais para a detecção de anomalias e análise de lesões nas imagens da
retina. Assim, estes pontos de referência da retina segmentados pode ser explorados
para estabelecer um sistema de coordenadas (modelo de retina) do fundo de olho, que
por sua vez pode ser utilizado para determinar a relação espacial das lesões, edema e
hemorragias em relação ao disco óptico e mácula [24].
6.3.1. Segmentação do Disco Óptico
O disco óptico é uma marcação fundamental na imagens da retina, pois mostra
alterações relacionadas a doenças, incluindo glaucoma e retinopatia diabética. A
25

semelhança entre exsudados e o disco óptico na imagem de retina pode causar


confusão, a retinopatia diabética pode ser diagnosticado através do isolamento do
DO, omitindo-o, para permitir melhorar a identificação de exsudados. Por outro lado,
a relação entre a escavação e a superfície do DO é um indicador estrutural importante
para avaliar a presença de glaucoma considerando que a escavação do disco óptico
aumenta devido ao desequilíbrio entre a pressão intra-ocular e a pressão de perfusão
nos vasos da retina [25]. O DO também serve como um ponto de referência, a fim de
localizar outros recursos de fundo de olho, como os vasos sanguíneos e mácula.
O disco óptico é localizado devido a sua forma circular ou verticalmente oval e
geralmente aparece como uma área brilhante branca ou amarelada. Além disso, o
disco óptico aparece como a área convergente da árvore vascular de vasos sanguíneos
[24]. As diferentes abordagens para localizar o disco óptico podem ser classificadas
em: abordagem baseada em características locais, abordagem baseada em um modelo
e abordagem geográfica [26]. A abordagem baseada em características locais
considera as propriedades espaciais e morfológicas do DO. A abordagem baseada em
modelos considera a descrição do DO e a busca da região da imagem mais similar a
esse modelo. A abordagem geográfica é baseada sobretudo na informação fornecida
pela estrutura dos vasos, isto é, no fato de todos os vasos da retina originarem-se no
disco óptico. Embora a detecção dos principais vasos seja uma operação complexa,
a relação geométrica entre o disco e os vasos pode ser utilizada facilmente para
identificar a localização do disco.
6.3.2. Segmentação da Mácula e Fóvea
Localizar a mácula é importante na detecção de doenças relacionadas, tais como
a degeneração macular e edema macular. As principais estratégias de detecção da
fóvea podem ser divididas em duas categorias, a saber, busca global na imagem por
regiões com características semelhantes às da fóvea e busca baseada nas relações
anatômicas entre a fóvea, disco óptico e vasos sanguíneos [4].
6.3.3. Segmentação de Vasos Sanguíneos
Análise dos vasos sanguíneos (veias e artérias) da retina é importante para a
detecção de doenças da circulação sanguínea, tais como a retinopatia diabética. As
técnicas de segmentação vascular retiniana utilizam o contraste existente entre o vaso
sanguíneo da retina e o fundo circundante, o perfil de corte transversal em nível de
cinza de um vaso típico assemelha-se a forma Gaussiana, a vascularização
interpolada linearmente pode ser representada por uma série de segmentos de linhas
conectadas e a vasculatura se origina a partir do mesmo ponto, do disco óptico, e
todos os vasos são conectados [27].
Alguns algoritmos são baseados apenas na detecção local, o que talvez seja
insuficiente para a detecção das árvores vasculares completas. Assim, muitos dos
algoritmos possuem uma fase adicional de detecção global, em que são usadas
técnicas como rastreamento e crescimento de regiões.
26

7. CONCLUSÃO
Os oftalmologistas dependem da inspeção de imagens de fundo de olho para
diagnosticar várias doenças que afectam o olho, tais como a retinopatia diabética,
glaucoma e degeneração macular relacionada à idade. A identificação precisa, análise
e localização de áreas anatômicas e lesões da retina através de técnicas de
processamento digital de imagem podem contribuir na tomada de decisão dos
médicos proporcionando um melhor diagnóstico, tratamento e acompanhamento de
patologias.
Nesse contexto, este trabalho teve como objetivo estudar e analisar a anatomia
ocular, os tipos de imagens oftalmológicas e como elas são usadas no diagnóstico das
doenças do olho humano assim como realizar uma revisão dos trabalhos sobre o
processamento deste tipo de imagem.
27

REFERÊNCIAS BIBLIOGRÁFICAS

[1] KINGMAN, S. Glaucoma is second leading cause of blindness globally. Bulletin of the World Health
Organization, vol. 82, no.11, pp. 887–888, 2004.

[2] MELLO, P. and Mandía-Júnior, C. II Consenso Brasileiro de Glaucoma Primário de Ângulo Aberto. São
Paulo: PlanMark, 2005.

[3] PATTON, N. et al. Retinal image analysis: Concepts,applications and potential. Progress in Retinal and
Eye Research, v. 25, p. 99–127, 2006.

[4] VERAS, R.M.S. Detecção e segmentação de estruturas em imagens médicas de retina.


2014.Tese de Doutorado. Universidade Federal do Ceará.

[5] FILHO, O. M.; NETO, H. V. Processamento Digital de Imagens. Rio de Janeiro:


Brasport, 1999. ISBN 85-7452-009-8.

[6] ZHANG, Z., Srivastava, R., Liu, H., Chen, X., Duan, L., Wong, D.W.K., Kwoh, C.K., Wong, T.Y., Liu, J.,
A survey on computer aided diagnosis for ocular diseases. BMC Med. Inf. Decis. Making 14(1): 80, 2014.

[7] Mahapatra, Dwarikanath, and Joachim M. Buhmann. A field of experts model for optic cup and disc
segmentation from retinal fundus images. 2015 IEEE 12th International Symposium on Biomedical Imaging
(ISBI). IEEE, 2015.

[8] PARDIANTO, G. Understanding diabetic retinopathy. Mimbar Ilmiah Oftalmologi Indonesia 2005, 2:65–
66.

[9] JOY, J. M., Kumar, G. A., Rajasekhar. A Review on Diabetic Retinopathy. International Journal of
Pharmacology Research / 1(1), 2011, 1-10.

[10] CARVALHO, T. J. Aplicação de técnicas de visão computacional e aprendizado de máquina para a


detecção de exsudatos duros em imagens de fundo de olho. 2010. Tese de Doutorado. Master’s thesis,
Universidade Estadual de Campinas.

[11] LENCIONE, D. Desenvolvimento de sistemas ópticos e modelos radiométricos para otimização


sistêmica em retinógrafos de alta resolução. 2013. 153 f. Dissertação (Mestrado em Ciências) - Instituto de
Física de São Carlos, Universidade de São Paulo.

[12] ARTHUR, A. M. et al. Técnicas de análise da retina humana: revisão breve sobre os recursos e as
renovações propedêuticas disponíveis à prevenção e o diagnóstico precoce das complicações vasculares
da retina associadas às doenças sistêmicas. Ensaios e Ciência: Ciências Biológicas, Agrárias e da Saúde,
v. 15, n. 4, p. 131-145, 2011.

[13] RAELE, Marcos Paulo. Desenvolvimento de um Sistema de Tomografia de Coerência Óptica no


Domínio de Fourier sensível à Polarização e sua utilização na determinação das Matrizes de Muller.
Dissertação de Mestrado. IPEN. São Paulo, 2009.

[14] HOOVER, A.; Goldbaum, M. Locating the optic nerve in a retinal image using the fuzzy convergence of
the blood vessels. IEEE Transactions on Medical Imaging, v. 22, n. 8, p. 951–958, Agosto 2003.

[15] STAAL, J. et al. Ridge-based vessel segmentation in color images of the retina. IEEE Transactions on
Medical Imaging, v. 23, n. 4, p. 501–509, Abril 2004.

[16] DAMIAN, F. ARIA Online, Retinal Image Archive. November 2006.


http://www.eyecharity.com/aria_online/.

[17] MESSIDOR. Methods to evaluate segmentation and indexing techniques in the Field of retinal
ophthalmology. Março 2008. http://www.messidor.crihan.fr.

[18] KAUPPI T., Kalesnykiene V., Kamarainen J.K., Lensu L., Sorri I., Uusitalo H., Kaviainen H., Pietila J.
DIARETDB0: Evaluation database and methodology for diabetic retinopathy algorithms. Machine Vision and
Pattern Recognition Research Group, Lappeenranta University of Technology, Finland. 2006.
28

[19] KAUPPI T., Kalesnykiene V., Kamarainen J.K., Lensu L., Sorri I., Raninen A., Voutilainen R., Uusitalo
H., Kalviainen H., Pietila J. Proceedings of the British Machine Vision Conference, Warwick, UK. Durham:
BMVA; 2007. The DIARETDB1 diabetic retinopathy database and evaluation protocol; pp. 15–1.

[20] BUDAI A., Odstricilik J., Kollar R., Jan J., Kubena T., Michelson G. Proceedings of The Association of
Research in Vision and Ophthalmology (ARVO) Annual Meeting, Vancouver, Canada. Rockville, Maryland:
ARVO; 2011. A public database for the evaluation of fundus image segmentation algorithms; pp. 1345–
1345.

[21] TRUCCO, E., Ruggeri, A., Karnowski, T., Giancardo, L., Chaum, E., Hubschman, J. P., Al-Diri, B.,
Cheung, C. Y., Wong, D., Abràmoff, M., Lim, G., Kumar, D., Burlina, P., Bressler, N. M., Jelinek, H. F.,
Meriaudeau, F., Quellec, G., Macgillivray, T. e Dhillon, B. 2013. Validating Retinal Fundus Image Analysis
Algorithms: Issues and a Proposal. Invest. Ophthalmol. Vis. Sci., vol. 54, no. 5, pp. 3546–3559.

[22] GONZALEZ, R.C., Woods, R. E. Digital image processing. [S.I.]: Prentice Hall, NJ, 2002.

[23] KENNETH, R. Castleman, Digital image processing. [S. l.]: Prentice Hall Press, Upper Saddle River,
NJ, 1996.

[24] ALLAM, A., Youssif, A., Ghalwash, A. Automatic Segmentation of Optic Disc in Eye Fundus Images: A
Survey. ELCVIA Electronic Letters on Computer Vision and Image Analysis, [S.l.], v. 14, n. 1, Abril. 2015.

[25] ZHU, X., Rangayyan, R. M., Ells, A. L. "Digital Image Processing for Ophthalmology: Detection of the
Optic Nerve Head," in Synthesis Lectures on Biomedical Engineering, Morgan & Claypool Publishers, 2011.

[26] HALEEM, M. S., Hana, L., Hemertb, J. van, Lia, B. Automatic extraction of retinal features from colour
retinal images for glaucoma diagnosis: A review. Computerized Medical Imaging and Graphics, v. 37, n. 7,
p. 581–596, Dezembro 2013.

[27] HENEGHAN, C., Flynn, J., O’Keefe, M., Cahill, M. 2002. Characterization of changes in blood vessel
and tortuosity in retinopathy of prematurity using image analysis. Med. Image Anal. 6, 407–429.

Você também pode gostar