GabROP: CAD basado en ondas de Gabor para el diagnóstico de la retinopatía de la prematuridad a través de redes neuronales convolucionales

Uno de los problemas oculares más graves y peligrosos en los bebés prematuros es la retinopatía de la prematuridad (ROP), una enfermedad vascular proliferativa. Los oftalmólogos pueden usar herramientas automáticas de diagnóstico asistido por computadora (CAD) para ayudarles a realizar un diagnóstico seguro, preciso y de bajo costo de ROP. Todas las herramientas CAD anteriores para el diagnóstico de ROP utilizan las imágenes de fondo originales. Desafortunadamente, aprender la representación discriminativa a partir de las imágenes de fondo relacionadas con ROP es difícil. Las técnicas de análisis textural, como las ondas de Gabor (GW), pueden demostrar información de textura significativa que puede ayudar a los modelos basados en inteligencia artificial (IA) a mejorar la precisión del diagnóstico. En este artículo, se propone una herramienta CAD efectiva y automatizada, denominada GabROP, basada en GW y múltiples modelos de aprendizaje profundo (DL). Inicialmente, GabROP analiza imágenes de fondo utilizando GW y genera varios conjuntos de imágenes de GW. A continuación, estos conjuntos de imágenes se utilizan para entrenar tres modelos de redes neuronales convolucionales (CNN) de manera independiente. Además, las imágenes de fondo reales se utilizan para construir estas redes. Utilizando la transformada de wavelet discreta (DWT), se combinan las características de textura recuperadas de cada CNN entrenada con varios conjuntos de imágenes de GW para crear una demostración textural-espectral-temporal. Posteriormente, para cada CNN, estas características se concatenan con características profundas espaciales obtenidas de las imágenes de fondo originales. Finalmente, las características concatenadas anteriores de las tres CNN se incorporan utilizando la transformada coseno discreta (DCT) para reducir el tamaño de las características causadas por el proceso de fusión. Los resultados de GabROP muestran que es preciso y eficiente para los oftalmólogos. Además, se compara la efectividad de GabROP con técnicas de diagnóstico de ROP recientemente desarrolladas. Debido al rendimiento superior de GabROP en comparación con herramientas competidoras, los oftalmólogos pueden identificar ROP de manera más confiable y precisa, lo que podría resultar en una reducción en el esfuerzo de diagnóstico y el tiempo de examen.