Resumen

CISNEROS-GUZMAN, Fernanda; TOLEDANO-AYALA, Manuel; TOVAR-ARRIAGA, Saúl  y  RIVAS-ARAIZA, Edgar A.. Segmentación de imágenes de OCT y OCT-A por medio de Redes Neuronales Convolucionales. Rev. mex. ing. bioméd [online]. 2022, vol.43, n.3, 1280.  Epub 28-Abr-2023. ISSN 2395-9126.  https://doi.org/10.17488/rmib.43.3.2.

La segmentación juega un papel vital en las imágenes de angiografía por tomografía de coherencia óptica (OCT-A), ya que la separación y distinción de las diferentes partes que forman la mácula simplifican la detección posterior de patrones/enfermedades observables en la retina. En este trabajo, llevamos a cabo una segmentación de imágenes multiclase donde se destacan las mejores características en los plexos apropiados al comparar diferentes arquitecturas de redes neuronales, incluidas U-Net, ResU-Net y FCN. Nos centramos en dos zonas críticas: la segmentación de la vasculatura retiniana (RV) y la zona avascular foveal (FAZ). La precisión para RV y FAZ en 316 imágenes OCT-A de la base de datos OCT-A 500 se obtuvo en 93.21 % y 92.59 %. Cuando se segmentó la FAZ en una clasificación binaria, con un 99.83% de precisión.

Palabras llave : Segmentación OCT-A; ResU-Net; segmentación FCN; Red neuronal convolucional.