SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed...
Saved in:
| Institution: | Escuela Colombiana de Ingeniería |
|---|---|
| Main Authors: | , , , , , , , , , , |
| Format: | Artículo de revista |
| Language: | English |
| Published: |
Universidad de Antioquia
2020
|
| Subjects: | |
| Online Access: | https://repositorio.escuelaing.edu.co/handle/001/1431 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| id |
oai:repositorio.escuelaing.edu.co:001-1431 |
|---|---|
| recordtype |
dspace |
| spelling |
González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José GiBiome 2021-05-13T23:35:26Z 2021-10-01T17:16:49Z 2021-05-13 2021-10-01T17:16:49Z 2020 0121-1129 https://repositorio.escuelaing.edu.co/handle/001/1431 10.19053/01211129.v29.n54.2020.11769 DOI:10.19053/01211129.v29.n54.2020.11769 Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed. On the other hand, in Colombia, the diabetic population (8% of the country’s total population) presents or has presented some ocular complication that has led to other associated costs and, in some cases, has caused vision limitation or blindness. Eye fundus images are the fastest and most economical source of ocular information that can provide a full clinical assessment of the retinal condition of patients. However, the number of ophthalmologists is insufficient and the clinical settings, as well as the attention of these experts, are limited to urban areas. Also, the analysis of said images by professionals requires extensive training, and even for experienced ones, it is a cumbersome and error-prone process. Deep learning methods have marked important breakthroughs in medical imaging due to outstanding performance in segmentation, detection, and disease classification tasks. This article presents SOPHIA, a deep learning-based system for ophthalmic image acquisition, transmission, intelligent analysis, and clinical decision support for the diagnosis of ocular diseases. The system is under active development in a project that brings together healthcare provider institutions, ophthalmology specialists, and computer scientists. Finally, the preliminary results in the automatic analysis of ocular images using deep learning are presented, as well as future work necessary for the implementation and validation of the system in Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer. Las enfermedades oculares son una de las principales causas de discapacidad irreversible en personas en edad productiva. En el año 2020, se estima que aproximadamente el 18% de la población mundial padece retinopatía diabética y edema macular diabético, pero, desafortunadamente, sólo la mitad de estas personas están correctamente diagnosticadas. Por otro lado, en Colombia, la población diabética (8% de la población total del país) presenta o ha presentado alguna complicación ocular que ha llevado a otros costos asociados y, en algunos casos, ha causado limitación de la visión o ceguera. Las imágenes del fondo de ojo son la fuente de información ocular más rápida y económica que puede proporcionar una evaluación clínica completa del estado de la retina de los pacientes. Sin embargo, el número de oftalmólogos es insuficiente y los entornos clínicos, así como la atención de estos expertos, se limitan a las zonas urbanas. Además, el análisis de dichas imágenes por parte de los profesionales requiere una amplia formación, e incluso para los experimentados, es un proceso engorroso y propenso a errores. Los métodos de aprendizaje profundo han supuesto un importante avance en el campo de las imágenes médicas debido a su excelente rendimiento en tareas de segmentación, detección y clasificación de enfermedades. Este artículo presenta SOPHIA, un sistema basado en el aprendizaje profundo para la adquisición de imágenes oftálmicas, la transmisión, el análisis inteligente y el apoyo a la decisión clínica para el diagnóstico de enfermedades oculares. El sistema está en desarrollo activo en un proyecto que reúne a instituciones proveedoras de servicios de salud, especialistas en oftalmología e informáticos. Finalmente, se presentan los resultados preliminares en el análisis automático de imágenes oculares utilizando deep learning, así como los trabajos futuros necesarios para la implementación y validación del sistema en Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer. Citation: O.-J. Perdomo-Charry, A.-D. Pérez, M. de-la-Pava-Rodríguez, H.-A. Ríos-Calixto, V.-A. Arias-Vanegas, J.-S. Lara-Ramírez, S. Toledo-Cortés, J.-E. Camargo-Mendoza, F.-J. Rodríguez-Alvira, F.-A. González-Osorio, “SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis,” Revista Facultad de Ingeniería, vol. 29 (54), e11769, 2020. https://doi.org/10.19053/01211129.v29.n54.2020.11769 15 páginas application/pdf eng Universidad de Antioquia Colombia, Antioquia https://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess Atribución 4.0 Internacional (CC BY 4.0) https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11769 SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis SOPHIA: Sistema para adquisición, transmisión, y análisis inteligente de imágenes oftálmicas Artículo de revista info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_2df8fbb1 Text info:eu-repo/semantics/article http://purl.org/redcol/resource_type/ART Revista Facultad de Ingeniería, vol. 29 (54), e11769, 2020. 15 54 1 29 N/A Revista Facultad De Ingeniería Asociación Estadounidense de Diabetes, “Clasificación y diagnóstico de la diabetes”, Diabetes Care, vol. 39 (1), S13-S22, 2016. https://doi.org/10.2337/dc16-S005 M. Abràmoff, M. Garvin y M. Sonka, "Retinal Imaging and Image Analysis", revisiones de IEEE en ingeniería biomédica, vol. 3, págs. 169-208, 2010. https://doi.org/10.1109/RBME.2010.2084567 J. Köberlein, K. Beifus, C. Schaffert y R. Finger, “ La carga económica de la discapacidad visual y la ceguera: una revisión sistemática ”, BMJ open, vol. 3 (11), e003471, 2013. https://doi.org/10.1136/bmjopen-2013-003471 G. Labiris, E. Panagiotopoulou y V. Kozobolis, “Una revisión sistemática de estudios teleoftalmológicos en Europa”, Revista Internacional de Oftalmología, vol. 11 (2), págs. 314-325, 2018. https://doi.org/10.18240/ijo.2018.02.22 R. Gargeya y T. Leng, “Identificación automatizada de la retinopatía diabética mediante aprendizaje profundo, ”Oftalmología, vol. 124 (7), págs. 962-969, 2017. https://doi.org/10.1016/j.ophtha.2017.02.008 S. Otálora, O. Perdomo, F. González y H. Müller, "Entrenamiento de redes neuronales convolucionales profundas con aprendizaje activo para la clasificación de exudados en imágenes de fondo de ojo", en Imágenes intravasculares y colocación de stents asistida por computadora, y anotación a gran escala de datos biomédicos y síntesis de etiquetas de expertos, págs. 146-154, 2017. https: / /doi.org/10.1007/978-3-319-67534-3_16 C. Lam, C. Yu, L. Huang y D. Rubin, “Detección de lesiones retinianas con aprendizaje profundo usando parches de imagen”, Oftalmología de investigación y ciencia visual, vol. 59 (1), págs. 590-596, 2018. https://doi.org/10.1167/iovs.17-22721 O. Perdomo, S. Otálora, F. Rodríguez, J. Arévalo y F. González, "Un nuevo modelo de aprendizaje automático basado en la localización de exudados para detectar el edema macular diabético", en Actas del Tercer Taller Internacional de Análisis de Imágenes Médicas Oftalmológicas, págs. 137-144, 2016. https://doi.org/10.17077/omia .1057 B. Anfitrión, A. Turner y J. Muir, “Consulta por video de teleoftalmología en tiempo real: un análisis de la satisfacción del paciente en las zonas rurales de Australia Occidental”, Optometría clínica y experimental, vol. 101 (1), págs. 129-134, 2018. https://doi.org/10.1111/cxo.12535 J. Micheletti, A. Hendrick, F. Khan, D. Ziemer y F. Pasquel, "Dispositivos portátiles de detección de la retinopatía diabética actual y de próxima generación", Revista de ciencia y tecnología de la diabetes, vol. 10 (2), págs. 295-300, 2016. https://doi.org/10.1177/1932296816629158 W. Alyoubi, W. Shalash y M. Abulkhair, “Detección de retinopatía diabética mediante técnicas de aprendizaje profundo: A revisión ”, Informatics in Medicine Unlocked, vol. 20, e100377, 2016. https://doi.org/10.1016/j.imu.2020.100377 K. Stebbins, “Exámenes de retina diabéticos en atención de primera línea con el modelo de prestación de atención RetinaVue”, Point of Care, vol. 18 (1), págs. 37-39, 2019. https://doi.org/10.1097/POC.0000000000000183 O. Perdomo, J. Arévalo y F. González, “Red convolucional para detectar exudados en imágenes de fondo de ojo de sujetos diabéticos”, en el XII Simposio Internacional de Procesamiento y Análisis de Información Médica, 2017, e101600T. https://doi.org/10.1117/12.2256939 O. Perdomo, V. Andrearczyk, F. Meriaudeau, H. Müller y F. González, "Diagnóstico de glaucoma a partir de imágenes del fondo de ojo basadas en la estimación de características morfométricas profundas", en Patología computacional y análisis de imágenes médicas oftálmicas, págs. 319-327, 2018. https://doi.org/10.1007/978-3-030-00949-6_38 B. Graham, “Informe de competencia de detección de retinopatía diabética de Kaggle , ”Tesis de Maestría, Universidad de Warwick, Reino Unido, 2015. K. Zhou, Z. Gu, A. Li, J. Cheng, S. Gao y J. Liu, “Gradación de retinopatía diabética guiada por la calidad de la imagen del fondo de ojo”, en Patología Computacional y Análisis de Imágenes Médicas Oftalmológicas, págs. 245-252, 2018. https://doi.org/10.1007/978-3-030-00949-6_29 H. Fu, B. Wang, J. Shen, S. Cui, Y. Xu, J. Liu y L. Shao, "Evaluación de las redes de evaluación de la calidad de la imagen de la retina en diferentes espacios de color", en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, págs. 48-56, 2019. https://doi.org /10.1007/978-3-030-32239-7_6 E. Decencière, X. Zhang, G. Cazuguel, B. Lay, B. Cochener, C. Trone, P. Gain, R. Ordóñez, P. Massin, A. Erginay, B. Charton y JC. Klein, "Comentarios sobre una base de datos de imágenes distribuida públicamente: la base de datos Messidor", Image Analysis & Stereology, vol. 33 (3), págs. 231-234, 2014. https://doi.org/10.5566/ias.1155 C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens y Z. Wojna, “Repensar la arquitectura inicial de la visión por computadora”, en Actas de la conferencia IEEE sobre visión por computadora y reconocimiento de patrones, págs. 2818-2826, 2016. https://doi.org/10.1109/CVPR.2016.308 O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, A. Berg y L. Fei -Fei, “Desafío de reconocimiento visual a gran escala de Imagenet”, Revista internacional de visión por computadora, vol. 115 (3), págs. 211-252, 2015. https://doi.org/10.1007/s11263-015-0816-y T. Vu, C. Van Nguyen, T. Pham, T. Luu, y C. Yoo, “Mejora rápida y eficiente de la calidad de imagen a través de redes neuronales convolucionales desubpixel”, en Actas de la Conferencia Europea sobre Visión por Computador (ECCV), 2018. https://doi.org/10.1007/978-3-030- 11021-5_16 J. Wan, D. Wang, S. Hoi, P. Wu, J. Zhu, Y. Zhang y J. Li, "Aprendizaje profundo para la recuperación de imágenes basada en contenido: un estudio completo", en Proceedings of la 22ª conferencia internacional de ACM sobre multimedia, págs. 157-166, 2014. https://doi.org/10.1145/2647868.2654948 Y. Cao, S. Steffey, J. He, D. Xiao, C. Tao, P. Chen y H. Müller, "Recuperación de imágenes médicas: un enfoque multimodal", Informática del cáncer. Vol. 13, e14053, 2014. https://doi.org/10.4137/CIN.S14053 Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina. http://purl.org/coar/access_right/c_abf2 http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| institution |
Escuela Colombiana de Ingeniería |
| collection |
d_repositorio.escuelaing.edu.co-DSPACE |
| title |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis |
| spellingShingle |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José GiBiome Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina. |
| title_short |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis |
| title_full |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis |
| title_fullStr |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis |
| title_full_unstemmed |
SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis |
| title_sort |
sophia: system for ophthalmic image acquisition, transmission, and intelligent analysis |
| author |
González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José GiBiome |
| author_facet |
González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José GiBiome |
| building |
Repositorio digital |
| topic |
Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina. |
| topic_facet |
Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina. |
| publishDate |
2020 |
| language |
English |
| publisher |
Universidad de Antioquia |
| physical |
15 páginas |
| format |
Artículo de revista |
| description |
Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed. On the other hand, in Colombia, the diabetic population (8% of the country’s total population) presents or has presented some ocular complication that has led to other associated costs and, in some cases, has caused vision limitation or blindness. Eye fundus images are the fastest and most economical source of ocular information that can provide a full clinical assessment of the retinal condition of patients. However, the number of ophthalmologists is insufficient and the clinical settings, as well as the attention of these experts, are limited to urban areas. Also, the analysis of said images by professionals requires extensive training, and even for experienced ones, it is a cumbersome and error-prone process. Deep learning methods have marked important breakthroughs in medical imaging due to outstanding performance in segmentation, detection, and disease classification tasks. This article presents SOPHIA, a deep learning-based system for ophthalmic image acquisition, transmission, intelligent analysis, and clinical decision support for the diagnosis of ocular diseases. The system is under active development in a project that brings together healthcare provider institutions, ophthalmology specialists, and computer scientists. Finally, the preliminary results in the automatic analysis of ocular images using deep learning are presented, as well as future work necessary for the implementation and validation of the system in Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer.
Las enfermedades oculares son una de las principales causas de discapacidad irreversible en personas en edad productiva. En el año 2020, se estima que aproximadamente el 18% de la población mundial padece retinopatía diabética y edema macular diabético, pero, desafortunadamente, sólo la mitad de estas personas están correctamente diagnosticadas. Por otro lado, en Colombia, la población diabética (8% de la población total del país) presenta o ha presentado alguna complicación ocular que ha llevado a otros costos asociados y, en algunos casos, ha causado limitación de la visión o ceguera. Las imágenes del fondo de ojo son la fuente de información ocular más rápida y económica que puede proporcionar una evaluación clínica completa del estado de la retina de los pacientes. Sin embargo, el número de oftalmólogos es insuficiente y los entornos clínicos, así como la atención de estos expertos, se limitan a las zonas urbanas. Además, el análisis de dichas imágenes por parte de los profesionales requiere una amplia formación, e incluso para los experimentados, es un proceso engorroso y propenso a errores. Los métodos de aprendizaje profundo han supuesto un importante avance en el campo de las imágenes médicas debido a su excelente rendimiento en tareas de segmentación, detección y clasificación de enfermedades. Este artículo presenta SOPHIA, un sistema basado en el aprendizaje profundo para la adquisición de imágenes oftálmicas, la transmisión, el análisis inteligente y el apoyo a la decisión clínica para el diagnóstico de enfermedades oculares. El sistema está en desarrollo activo en un proyecto que reúne a instituciones proveedoras de servicios de salud, especialistas en oftalmología e informáticos. Finalmente, se presentan los resultados preliminares en el análisis automático de imágenes oculares utilizando deep learning, así como los trabajos futuros necesarios para la implementación y validación del sistema en Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer.
|
| issn |
0121-1129 |
| url |
https://repositorio.escuelaing.edu.co/handle/001/1431 |
| url_str_mv |
https://repositorio.escuelaing.edu.co/handle/001/1431 |
| _version_ |
1763137900934856704 |
| score |
11.255509 |
