Sviluppo di un algoritmo per il rilevamento del disco ottico su immagini del fondo oculare

L'esame del fondo oculare, definito anche oftalmoscopia o fondoscopia, è un test che consente allo specialista di vedere le strutture situate nella porzione posteriore dell'occhio, tra cui la retina, la papilla del nervo ottico e il corpo vitreo. Questo può avvenire manualmente con l'utilizzo di lenti apposite o tramite l'utilizzo di fundus camere/oftalmoscopi. Lo stato sico della retina determina infatti la qualità della vista e di conseguenza la qualità della vita, è per questo motivo che è importante prendersene cura. Le tecnologie oftalmologiche sono in continua evoluzione, i dispositivi emergenti sono in grado di acquisire in tempo reale e con una maggior qualità immagini del fondo oculare, permettendo ai medici di diagnosticare in tempi molto rapidi l'insorgere di una patologia pericolosa per la vista del paziente, come la retinopatia diabetica, una delle principali cause di cecità nei pazienti diabetici. Nell'ultimo secolo il settore oftalmologico ha visto lo sviluppo di molte tecniche e modalità di imaging, come l'imaging stereoscopico e l'imaging ultrawide field. Nonostante ciò, queste tecniche hanno bisogno dell'interpretazione di un esperto clinico, figura che è scarsamente presente nell'ambiente sanitario. Il deep learning è una delle tecniche computerizzate utilizzate nell'ambito dell'imaging medico, che ha permesso la riduzione di risorse umane nella sanità, favorendo un'assistenza sanitaria più efficiente. Abbiamo pensato di utilizzare il deep learning per sviluppare algoritmi di analisi di immagini retiniche in grado di assistere i medici durante il processo di diagnosi. In particolare questo progetto di tesi ha l'obiettivo di creare un algoritmo di deep learning che, grazie all'impiego di reti neurali convoluzionali, sia in grado di rilevare la presenza o l'assenza del disco ottico su immagini del fondo oculare e, in caso di presenza, di individuare il centro del disco. L'algoritmo consentirà di automatizzare l'individuazione della presenza del disco ottico all'interno di immagini retiniche e di individuarne il centro. Questa fase automatica potrà essere utilizzata come pre-elaborazione per sistemi di AI volti a valutare il disco ottico. Nel primo capitolo si dà una breve ma accurata introduzione sull'anatomia dell'occhio, un insieme di informazioni di base che consentirà di comprendere meglio come funziona il sistema visivo umano; il capitolo prosegue con la descrizione dell'immagine retinica e le principali tecniche utilizzate nell'imaging retinico. Il secondo capitolo invece si focalizza sul deep learning, descrivendo le sue funzionalità e caratteristiche, come esso viene implementato e le conoscenze di base per la progettazione e la realizzazione di una rete neurale convoluzionale. Il lavoro si conclude con una descrizione degli algoritmi di transfer learning che sono stati usati per la realizzazione della rete neurale convoluzionale. I due capitoli nali sono stati dedicati alla descrizione dello sviluppo e dei risultati delle due reti neurali convoluzionali che sono state create per questo lavoro di tesi. La prima delle due reti si occupa di classi icare le immagini valutando la presenza e l'assenza del disco ottico, mentre la seconda si occupa invece di determinare il centro del disco nelle immagini che lo contengono.