Sviluppo di un algoritmo per la segmentazione di cellule di endotelio corneale in soggetti patologici

Questa tesi fa parte di un lavoro di ricerca volto allo sviluppo di un algoritmo in grado di segmentare automaticamente le immagini dell’endotelio corneale acquisite in-vivo tramite microscopia speculare ed essere quindi impiegato per la stima automatica di alcuni importanti parametri clinici. Tali parametri consentono al medico di stabilire lo stato di salute dell’endotelio corneale del paziente e di formulare una diagnosi: da qui la necessità di stimare tali parametri in modo accurato, oggettivo e riproducibile. In particolare il lavoro di questa tesi si è concentrato sullo sviluppo di un algoritmo per l’individuazione dei bordi di cellule endoteliali anomale per forma e dimensioni, generalmente indice di un deterioramento dell’endotelio e quindi della possibile presenza di una qualche patologia a questo associata. L’algoritmo sviluppato parte inizialmente da un precedente algoritmo progettato per immagini di endotelio corneale acquisite con altre tecniche, e successivamente adattato ad immagini di endotelio corneale sano acquisite con microscopia speculare. L’algoritmo proposto in questa tesi è stato implementato utilizzando Matlab© e procede nel seguente modo: un primo passo prevede un pre-processing, che migliori la qualità dell’immagine, e la selezione automatica della regione di interesse (ROI), in modo da escludere dall’analisi aree sfocate e scure, prive di informazioni. Il secondo passo prevede la segmentazione delle cellule presenti nell’immagine, identificando i contorni cellulari contenuti nella ROI con l’ausilio di una rete neurale artificiale. A seguire sono applicate operazioni di post-processing per il miglioramento dello scontornamento cellulare. Il passo successivo opera la stima automatica dei parametri morfologici d’interesse clinico. Rispetto all’algoritmo precedentemente sviluppato, l’algoritmo proposto in questa tesi permette un miglior riconoscimento delle cellule su immagini acquisite da pazienti patologici, ed un stima più accurata dei parametri di interesse clinico