Investigar y desarrollar herramientas para evaluar automáticamente la calidad de los escaneos de retina.
Hay una serie de proyectos de investigación que utilizan el aprendizaje automático en escaneos de imágenes de la retina para detectar e identificar diversas afecciones, como la degeneración macular relacionada con la edad (AMD), la retinopatía diabética, así como una variedad de afecciones hereditarias, como Stargardt y retinosis pigmentaria. Todos estos enfoques se aplican a los escaneos de retina tomados de la misma máquina, en un puñado de diferentes modalidades de imágenes.
Sin embargo, con frecuencia los datos disponibles vienen en forma no seleccionada y la calidad del escaneo puede variar significativamente. Por lo tanto, sería de gran utilidad tener algún tipo de herramienta de evaluación de calidad automatizada que pudiera filtrar automáticamente los escaneos de baja calidad. Esto también es importante para la implementación futura de estos algoritmos para garantizar que no se apliquen a escaneos de baja calidad.
En este proyecto, nuestro objetivo es investigar varios métodos para evaluar la calidad de los escaneos de la retina y, en última instancia, desarrollar un enfoque universal para la evaluación de la calidad de la imagen de la retina. Esto incluye mirar métricas «objetivas», así como mirar hacia algunos enfoques basados en el aprendizaje automático. Esto implicará trabajar con varios equipos que trabajen con imágenes de la retina para comprender los diferentes desafíos asociados con la evaluación de escaneos de ojos con diferentes condiciones.