| Tesis Doctorales de la Universidad de Alcalá |
| DIAGNÓSTICO DE ESCLEROSIS MÚLTIPLE MEDIANTE ANÁLISIS DE REGISTROS DE TOMOGRAFÍA DE COHERENCIA ÓPTICA Y REDES NEURONALES CONVOLUCIONALES ENTRENADAS CON IMÁGENES SINTÉTICAS | | Autor/a | Lopez Dorado, Almudena | | Departamento | Electrónica | | Director/a | Boquete Vázquez, Luciano | | Codirector/a | Ortiz del Castillo, Miguel | | Fecha de defensa | 09/06/2022 | | Calificación | Sobresaliente Cum Laude | | Programa | Electrónica: Sistemas Electrónicos Avanzados. Sistemas Inteligentes (RD 99/2011) | | Mención internacional | No | | Resumen | Antecedentes: La Esclerosis Múltiple (EM) es una enfermedad del sistema nervioso central altamente discapacitante y que se presenta con frecuencia en adultos jóvenes. Para su diagnóstico se utilizan los criterios de McDonald, basados principalmente en evidencias de resonancia magnética, estudio del líquido cefalorraquídeo y el estado clínico del paciente. Sin embargo es conveniente investigar nuevos biomarcadores que permitan un diagnóstico fiable y no invasivo en las primeras fases de la enfermedad, permitiendo de este modo el uso de tratamientos modificadores de la enfermedad, ya que puede suponer una mejor evolución de los pacientes.
Objetivos: El objetivo general de la presente tesis doctoral es investigar nuevos métodos de procesamiento y clasificación de imágenes de espesores de diferentes estructuras de la retina, obtenidas mediante Tomografía de Coherencia Óptica de fuente de barrido (SS-OCT) para conseguir un diagnóstico precoz de EM.
Métodos: Se dispone de imágenes de espesores de las siguientes estructuras de la retina: retina completa, RNFL, GCL+, GCL++ y coroides, adquiridas por un equipo SS-OCT, en una base de datos formada por 48 sujetos de control y 48 pacientes con EM de diagnóstico reciente. Para la identificación de las estructuras y de las regiones con mayor capacidad discriminante se utiliza el método Relieff de categorización de características. Como clasificador, se utiliza una Red Neuronal Convolucional (RNC), y para evitar problemas de sobreajuste, se generan imágenes sintéticas con Redes Generativas Antagónicas. La comprobación de los métodos de clasificación se realiza mediante validación cruzada dejando uno fuera.
Resultados: No existe diferencia significativa entre el grupo de control y el grupo de pacientes ni en edad ni en distribución entre sexos. Los pacientes han tenido un diagnóstico reciente (7,35 ± 1,95 meses). La aplicación del método Relieff detecta que las tres estructuras con mayor capacidad discriminante son GCL+, GCL++ y el espesor de la retina completa. Mediante las Redes Generativas Antagónicas se generan 100 imágenes SS-OCT sintéticas de sujetos de control y 100 imágenes SS-OCT de pacientes EM. Utilizando las imágenes originales en el clasificador RNC se obtiene una precisión de 0,968; en imágenes filtradas con el método Relieff la precisión de es 1,0 y utilizando las imágenes sintéticas para el entrenamiento de la RNC también es 1,0. Si se dispone únicamente del 50% de las imágenes originales, se comprueba la ventaja de disponer datos sintéticos para el entrenamiento de la RNC: la precisión aumenta de 0,66 a 0,96.
Conclusiones: Las alteraciones estructurales neurorretinianas en las primeras fases de la EM son adecuadas para implementar un sistema de ayuda al diagnóstico mediante una red neuronal convolucional con un excelente nivel de precisión. |
|
