Detección automática de glaucoma mediante segmentación dela copa y disco ópticosa través de imágenes de fondo de ojo usando el método de agrupamiento de regiones K-Means

Abstract

El glaucoma es considerado el ladrón de la visión humana, es la principal causa de ceguera irreversible a nivel mundial y en la actualidad no se ha encontrado una cura para ella. Sus síntomas son imperceptibles en las primeras etapas de la enfermedad, por lo que su detección temprana es de vital importancia. Se diagnostica midiendo las dimensiones del disco y copa ópticos localizados en la cabeza del nervio del ojo humano. En los pacientes con glaucoma este tamaño de la copa óptica se agranda mientras que el del disco óptico se mantiene igual. Para llegar a la conclusión si una persona tiene glaucoma se utiliza la relación copa -disco, el cual es el indicativo más usado para el diagnóstico de esta enfermedad. Este artículo se basa en desarrollar una metodología para la detección del glaucoma de forma automática a partir de imágenes de fondo de ojo mediante esta relación copa -disco (RCD). Se extrae la región de interés seguido de un preprocesamiento para tratar las imágenes y posteriormente, la segmentación de las áreas mediante el método no supervisado K-Means, el cual agrupa los pixeles correspondientes a cada área del disco y copa ópticos respectivamente. Un posprocesamiento le continua para mejorar la segmentación y el cálculo de este indicativo (RCD). El desempeño de la metodología implementada se evaluó en 48 imágenes de la base de datos DRISHTI-GS, de las cuales 33 son glaucomatosas y 15 pertenecientes a individuos con visión normal, obteniendo una precisión de 72.5% en general y un 86% para las imágenes glaucomatosas, teniendo un error medio de 0.11.