PROCESAMIENTO DE IMGENES DE FONDO DE OJO PARA EL DIAGNSTICO MDICO.

Lzara Liset Gonzlez Rodrguez1*, Dr. C. Fidel Ernesto Hernndez Montero2, Carlos Javier Gonzlez Cordn3, Mohammed Ahmad Mohammed Amer4.
1 Universidad de Pinar del Ro, Calle Mart, No. 270, Pinar del Ro, Cuba 2 Universidad de Pinar del Ro, Calle Mart, No. 270, Pinar del Ro, Cuba 3 Universidad de Pinar del Ro, Calle Mart, No. 270, Pinar del Ro, Cuba 4 Universidad de Pinar del Ro, Calle Mart, No. 270, Pinar del Ro, Cuba *liset90_t08@tele.upr.edu.cu

RESUMEN.
Este trabajo surge debido a la necesidad de algoritmos, de complejidad relativamente baja que permitan su implementacin en FPGA o sistemas a microcontroladores, para la deteccin de enfermedades cerebrovasculares a travs del procesamiento de imgenes de fondo de ojo. Se desarrolla y aplica un algoritmo que permite identificar venas y estimar su grosor. Para la deteccin de venas es usada la Transformada Rpida de Fourier (FFT). Los resultados obtenidos fueron satisfactorios, al lograrse detectar la existencia de venas en una imagen de fondo de ojo y estimar su grosor. Palabras claves: Detectar la existencia de venas y estimar su grosor, procesamiento de imgenes de fondo de ojo, Transformada Rpida de Fourier.

ABSTRACT.
Title: Fundus image processing for medical diagnostic. This work has the goal of develop algorithms, of such a relatively low complexity that allows its implementation on FPGA or microcontroller systems, for the detection of cerebrovascular diseases through fundus image processing. In this work, an algorithm to detect veins and estimate their thickness is developed and applied. Fast-Fourier Transform is used for veins detection. Results obtained for vein detection and width assessment were satisfactory. Keywords: Algorithm to detect veins and estimate their thickness, Fast-Fourier Transform, fundus image processing.

1. INTRODUCCIN.
En el campo de la imaginologa mdica hay mltiples ejemplos de aplicaciones del procesamiento de imgenes. En estas reas prcticamente todos los principios fsicos posibles se han aplicado a la obtencin de imgenes. En cada una de estas modalidades se pueden efectuar realces a partir del procesamiento digital de imgenes, de manera que la calidad diagnstica final de la imagen sea superior a la imagen original. Debido a que la tercera causa de muerte en Cuba la ocupan las enfermedades cerebrovasculares, el Centro de Neurociencias de Cuba ha desarrollado pesquisas en personas entre 50 aos y 60 aos de edad. Se ha diagnosticado que el 20 % de esta parte de la poblacin tiende a padecer enfermedades de este tipo, las cuales no tienen sntomas inmediatos por lo que no se logra su medicacin a tiempo. Lo que realmente constituye un problema es que para poder detectar dichas enfermedades es necesario realizar diversas pruebas que son muy costosas para investigar todos los sectores de la poblacin, por lo que sera muy beneficioso saber si realmente es necesario hacerlas. Diversas investigaciones revelan que haciendo un estudio de la retina se pueden detectar enfermedades cerebrovasculares para poder establecer un tratamiento o por lo menos tener identificadas las personas con problemas y realizar las pruebas ms profundas a quienes realmente lo necesitan, evitando gastos innecesarios. La enfermedad que se toma como referencia en este trabajo es la Hipertensin Arterial (HTA), la cual se refleja en la variacin (ensanchamiento o estrechamiento) del grosor de la arteria central del ojo humano y puede ser la antesala de otras enfermedades ms graves. Esta sera la caracterstica a analizar en las imgenes de fondo de ojo. Para ayudar a la diferenciacin entre el reconocimiento de una vena y la deteccin de manchas se puede instrumentar una adecuada delimitacin entre contornos. Se traza entonces como objetivo fundamental en el trabajo aplicar y desarrollar un algoritmo, de complejidad relativamente baja para su implementacin en FPGA o sistemas a microcontroladores, que permita, dada una imagen real, detectar venas y estimar su grosor.

2. OJO.

MANIFESTACIONES DE ALGUNAS ENFERMEDADES CEREBROVASCULARES EN EL

El ojo es el detector de las seales visuales. Focaliza las imgenes provenientes del exterior para que la retina pueda recibir la imagen. Esta realiza un pretratamiento de la imagen y enva la informacin a la corteza visual a travs del nervio ptico y la va visual en el cerebro. Con un examen de fondo de ojo a travs de la pupila se puede observar que la retina es una capa compleja compuesta sobre todo por clulas nerviosas. Las clulas receptoras sensibles a la luz se encuentran en su superficie exterior detrs de una capa de tejido pigmentado. La retina tiene una pequea mancha de

color amarillo, llamada mcula ltea; en su centro se encuentra la fvea central, la zona del ojo con mayor agudeza visual (ver figura 1) [1, 2, 3].

Fig. 1. Partes fundamentales de la retina presentes en el fondo de ojo (buenas condiciones de salud).

El ojo constituye parte esencial del sistema nervioso y a travs de l se pueden observar manifestaciones de enfermedades cerebrovasculares, entre ellas la HTA sistmica. Los signos clnicos dependen del estado previo de la vascularizacin, de la intensidad de la hipertensin y del modo progresivo, lento o brusco, en que se establezca la hipertensin. Ejemplos de estos signos son: Estrechamiento de las arteriolas, que aparecen rectas, y tambin, a veces, signos de esclerosis (disminucin de la transparencia de la pared vascular, envainamiento perivascular o cruces arteriovenosos) (ver figura 2). Ante un aumento brusco y acusado de la presin puede producirse una alteracin fibrinoide de las paredes vasculares que ocasione la rotura de la barrera hematorretiniana y la consiguiente exudacin difusa con exudados lipoides, edema retiniano difuso, hemorragias retinianas superficiales y microaneurismas (ver figura 3) [4].

Fig. 2. a) Sndrome vascular esclerohipertensivo. b) Estrechamiento arteriolar retiniano.

Fig. 3. Muestras de retinopata hipertono-hipertensiva con vasoconstriccin generalizada.

Estas enfermedades se pueden diagnosticar a travs del examen de fondo de ojo, por lo que la automatizacin de dicho diagnstico, a lo cual se contribuye en este trabajo, estara dirigida al procesamiento de las imgenes que del fondo de ojo se pudieran obtener.

3. PROCESAMIENTO DIGITAL DE IMGENES.

El procesamiento de imgenes digitales surge desde el momento en que se dispone de recursos tecnolgicos para captar y manipular grandes cantidades de informacin espacial en forma matricial. Esta distincin ubica al procesamiento de imgenes digitales como una tecnologa asociada a las ciencias de computacin [5, 6]. El procesamiento digital de imgenes consiste en hacer el mapeo de una imagen a puntos definidos discretamente, a los cuales se les asigna un par de coordenadas y un valor de intensidad. La alteracin de los valores de intensidad por medio de una computadora permite efectuar con gran facilidad operaciones de realce y de anlisis de la imagen. En general, el procesamiento de imgenes altera la informacin visual para obtener mejores resultados o para aislar algunas caractersticas particulares de las imgenes. Las tcnicas de procesamiento de imgenes son aplicadas cuando resulta necesario realzar o modificar una imagen para mejorar su apariencia o para destacar algn aspecto de la informacin contenida en ella, o cuando se requiere, medir, contrastar o clasificar algn elemento contenido en la misma. Tambin se utilizan tcnicas de procesamiento de imgenes, cuando se necesita combinar imgenes o porciones de las mismas o reorganizar su contenido [5, 6].

4. TRABAJO REALIZADO.
El procesamiento de imgenes de fondo de ojo para diagnstico mdico, propuesto en este trabajo, comienza con la implementacin de un algoritmo sencillo basado en una tcnica de umbral para convertir en formato en blanco y negro la imagen a analizar, en escalas de grises originalmente. Dicha imagen queda lista para identificar venas aplicando la FFT y posteriormente estimar su grosor. Todo el anlisis se realiza a partir de imgenes reales de fondo de ojo. El trabajo fue realizado utilizando el software Matlab [7].

4.1 BINARIZACIN DE LA IMAGEN.

Segn la estrategia trazada, antes de aplicar la FFT a la imagen, se lleva la imagen en escala de grises a una imagen binaria, es decir, de solo dos colores: blanco y negro. Para esto, se desarroll un algoritmo simple basado en una tcnica de umbral. Para la implementacin de este algoritmo se estableci un umbral con valor 50, obtenido a partir del estudio previo de la imagen en anlisis. La imagen resultante de este proceso pierde ciertas caractersticas al transformarse en una imagen que toma solo dos valores de intensidad (0 y 255), pero mantiene los rasgos de inters para desarrollar el trabajo posterior. Las caractersticas que se mantienen en la imagen acentan la definicin del objeto en cuestin (las venas), y su nueva composicin favorece la espera de un resultado ms ptimo al aplicar la FFT. Los resultados obtenidos de aplicar el algoritmo basado en una tcnica de umbral a la imagen de fondo de ojo (ver figura 4) se pueden observar en la figura 5, quedando la imagen lista para su posterior anlisis.

Fig. 4. Imagen de fondo de ojo.

Fig. 5. Resultado de aplicacin de algoritmo de umbral.

4.2

DESARROLLO DEL ALGORITMO PARA LA DETECCIN DE VENAS Y ESTIMACIN

DE SU GROSOR.
Para detectar la presencia de una vena y estimar su grosor en determinado segmento de la imagen se parte de la imagen con solo dos colores, blanco y negro, resultante de aplicar el algoritmo descrito en la seccin anterior. Luego los valores de intensidad son normalizados a 255 lo que transforma los niveles de 0 y 255 anteriores en nuevos valores de 0 y 1, respectivamente. La nueva composicin de la matriz binaria es la caracterstica esencial en la cual se sustenta la creacin del algoritmo a implementar. Cada fila de la nueva matriz sera entonces un vector de valores 0 y 1, que equivalentemente puede ser visto como un segmento temporal discreto compuesto por impulsos de peso unitario, donde la agrupacin de varios impulsos consecutivos ser equivalente a la representacin discreta de pulsos rectangulares. En el algoritmo propuesto se divide la imagen en cuadrantes de 128 x 128 pxeles cada uno, buscando realizar el clculo de la FFT en conjuntos de pxel dimensionados en potencia de 2 y la identificacin ms precisa de una vena en cuadrantes relativamente pequeos. Como la imagen a procesar es de 1200 x 1440 pixeles, se trabaja entonces con 99 cuadrantes de esa dimensin. Posteriormente se calcula la FFT por cada fila (compuesta por ceros y unos), equivalente a una representacin de impulsos en el tiempo discreto, que agrupados representan pulsos rectangulares con diferente duracin y fase. El paso siguiente consiste en almacenar el mdulo y la fase de la segunda componente espectral obtenida, la cual aporta una mayor cantidad de informacin respecto al resto de las componentes espectrales (por ejemplo, si se toma la componente a la frecuencia 0, la informacin que se aporta en fase es solo 0 o radianes). La segunda componente es la que ms informacin aporta a la fase, adems de que es la que nica que nunca se anula respecto al resto de las

componentes del espectro de amplitud (las componentes espectrales estn descritas a travs de la funcin

sin(a) / a ).
La amplitud y fase de las segundas componentes espectrales de cada fila son almacenadas y se calcula el gradiente de la amplitud y la fase. Como en este caso se intenta identificar una vena vertical (el procedimiento para las horizontales sera el mismo, pero se calcula la FFT para las filas), con cierto grado de inclinacin, se asume como criterio emprico que para que exista una vena los mximos valores modulares de gradiente de amplitud y fase estn acotados por los valores 9 y 0,5; respectivamente. Dichas cotas fueron obtenidas generando una matriz de 2 x 128 y generando, entre las filas, una diferencia de 10 pxeles como diferencia mxima aceptable para estar en presencia de una vena; del mismo modo se realiza el anlisis de la fase. Despus de haber detectado la presencia de una vena se estima su grosor, que es proporcional a la cantidad de 1 que se encuentran distribuidos en la matriz por cada fila. Los valores obtenidos se almacenan en una matriz que guarda las dimensiones de las venas detectadas por cada cuadrante. Este algoritmo es aplicado a cada cuadrante de la imagen para detectar las venas verticales que se encuentren en l. En la figura 6 se visualiza un cuadrante de la imagen en el que se detect la presencia de vena.

Fig. 6. Cuadrante con una vena detectada.

El mismo algoritmo fue aplicado en la deteccin de venas horizontales trabajando con la imagen binaria pero para ello fue necesario hacerle la traspuesta a la matriz binaria representada por dicha imagen; donde las venas que antes eran horizontales se convierten en verticales. En la figura.7, se visualiza un cuadrante donde se logra detectar venas horizontales.

Fig. 7. Segmento de vena horizontal.

En las figuras 8 y 9 se pueden observar casos en los que no se detecta vena, a pesar de que la misma existe.

Fig. 8. Cuadrante donde existe ms de una vena.

Fig. 9. Presencia de manchas y venas.

5. CONCLUSIONES.
El resultado esencial del trabajo realizado es que se logra detectar la existencia de venas y determinar su grosor, a travs de la implementacin de un algoritmo matemtico de bajo costo computacional desarrollado en Matlab. La sencillez de los algoritmos permite su implementacin en FPGA o sistemas electrnicos a microprocesadores. Un resultado importante se obtiene al transformar la imagen original de niveles de grises a solo dos valores, blanco y negro, mediante la aplicacin de una tcnica de umbral sin que se pierdan las proporciones reales de las principales venas. Esta transformacin es esencial para la obtencin de los resultados esperados al aplicar la FFT. Se debe aclarar que la imagen obtenida pierde algunas caractersticas, como son pequeas ramificaciones de las venas, pero las caractersticas de las principales venas, necesarias para diagnosticar enfermedades cerebrovasculares se mantienen. El algoritmo propuesto no fue diseado para detectar venas cuando en un cuadrante exista ms de una vena o aparezca la vena acompaada de otros elementos estructurales del fondo de ojo.

6. REFERENCIA.
[1] Juan Cuesta Monteagudo. Anatoma y Fisiologa del Ojo Humano, 1996. [http://www.tarso.com/Anatomia.html] [2] Ileana Santoiani. El ojo Humano, 2006. [http://www.monografias.com/trabajos/ojohumano/ojohumano.shtml]. [3] Martn Gustavo ArgibayMartn Gustavo Argibay. Fisiologa ocular, 2008. [http://www.monografias. com/trabajos70/fisiologia-ocular/fisiologia-ocular2.shtml]

[4] lvaro Bengoa Gonzlez, Alicia Julve San Martn, Luis Moreno Garca-Rubio, Carlos Izquierdo Rodrguez. Manifestaciones Oftalmolgicas de Enfermedades Sistmicas, 1998. [http://www.sepeap.org/archivos/libros/ Urgencias%20en%20oftalmologia/pdf/004-Seccion%202.pdf].

[5]

Rubn Medina, Jess Bellera. Bases del Procesamiento de Imgenes Mdicas, 2000. [http://www.saber.ula.ve/ redtelemedicina/TallerTelemedicina/j_bellera-01.pdf].

[6]

Joaqun AzpirozLeehan, Vernica Medina Bauelos, Jean-Franois Lerallut. Procesamiento de Imgenes Biomdicas. Mxico, UAM Iztapalapa, 2000.

[7] Rafael C. Gonzales, Richard E. Woods, Steven L. Eddins. Digital Imaging Processing using Matlab. New Jersey, prentice hall, 2004.

10