"Universitat Rovira i Virgili. Programa de doctorat en Biomedicina"
La retinopatía diabética (RD) es una de las principales causas de ceguera en adultos jóvenes y supone un reto sanitario de gran relevancia a escala mundial. La progresión de la enfermedad se asocia con la aparición de lesiones retinianas como microaneurismas, hemorragias y exudados, cuya detección temprana es fundamental para prevenir pérdidas irreversibles de la visión. En este contexto, los sistemas informáticos de lectura de imágenes retinianas automáticos han surgido como herramientas de apoyo en el cribado y monitorización de la RD, puesto que permiten identificar y cuantificar de forma objetiva las lesiones presentes en el fondo de ojo. En esta tesis doctoral se ha estudiado y validado el desempeño de un sistema automático de lectura de imágenes retinianas para el recuento de microaneurismas, hemorragias y exudados. Se ha analizado la distribución topográfica de estas lesiones en la cuadrícula ETDRS (Early Treatment Diabetic Retinopathy Study), que distingue cuatro cuadrantes en el fondo de ojo (temporal, nasal, superior e inferior). Se buscó comparar los hallazgos en los diferentes cuadrantes y establecer si existían diferencias significativas en función de la severidad de la RD (clasificada en leve, moderada y grave). La investigación se llevó a cabo utilizando imágenes procedentes de dos bases de datos. La primera es una base de datos pública y reconocida en el ámbito de la retinopatía diabética: MESSIDOR. La segunda fue construida durante el desarrollo de la tesis doctoral y se registró su propiedad intelectual, se denomina MIRADATASET. Estas bases de datos incluyen un amplio espectro de fotografías de fondo de ojo obtenidas mediante retinografías de pacientes con diferentes estadios de RD, lo que posibilita un análisis comparativo robusto y representativo de la enfermedad. El uso de dos conjuntos de datos independientes buscó reforzar la validez de los resultados y asegurar que las observaciones no estuvieran sesgadas por el origen de las imágenes. La primera etapa del estudio consistió en la implementación de un algoritmo de segmentación y detección automática de lesiones retinianas, optimizado para identificar de forma precisa microaneurismas, hemorragias y exudados. El sistema informático se entrenó con imágenes cuyas lesiones fueron previamente marcadas y etiquetadas. El procedimiento de análisis se basó en la división de cada retinografía de acuerdo con la cuadrícula ETDRS, que permite localizar las lesiones en cuatro cuadrantes: temporal, nasal, superior e inferior. Una vez segmentadas y clasificadas las lesiones, el sistema realiza el recuento de microaneurismas y hemorragias en cada cuadrante de forma independiente. A continuación, se llevó a cabo un análisis estadístico que comparó el número medio de lesiones entre los cuadrantes y, posteriormente, se estratificó la muestra en función del tipo de RD (leve, moderada y grave). Se utilizaron pruebas de significación (p < 0.001) para determinar si existían diferencias relevantes entre grupos. Para asegurar la consistencia de los resultados, se repitió la misma metodología en las imágenes de ambas bases de datos, lo que permitió verificar la robustez del sistema y la reproducibilidad de los hallazgos. El análisis global demostró que el sistema automático de lectura identifica con fiabilidad microaneurismas, hemorragias y exudados, evidenciando una alta concordancia con la distribución anatómica esperada de estas lesiones en pacientes con RD. De forma sistemática, los cuadrantes temporal e inferior mostraron un número significativamente mayor de microaneurismas y hemorragias en comparación con los cuadrantes nasal y superior, alcanzándose valores de p < 0.001 al contrastar las medias de recuento de lesiones. Asimismo, la estratificación por tipo de RD confirma que, en casos de RD grave, se produce un incremento todavía más notable de microaneurismas, hemorragias y exudados, especialmente marcado en los cuadrantes temporal e inferior, con diferencias estadísticamente significativas en comparación con la RD leve y moderada (p < 0.001). Estos hallazgos fueron coherentes tanto en las imágenes extraídas de la base MESSIDOR como en las de MIRADATASET, lo que refuerza la validez de las observaciones y sugiere que el patrón de mayor afectación en estas zonas del fondo de ojo podría ser transversal a diferentes poblaciones de pacientes diabéticos. En conclusión, la distribución preferente de lesiones en los cuadrantes temporal e inferior, constatada en dos bases de datos independientes, apoya la idea de focalizar un examen más exhaustivo en estas regiones retinianas durante la evaluación clínica. A su vez, la elevada concordancia entre las bases de datos respalda la generalización de los hallazgos y refuerza el potencial de los sistemas automáticos de lectura como aliados en la detección precoz y en la monitorización de la progresión de la retinopatía diabética.
La retinopatia diabètica (RD) és una de les principals causes de ceguesa en adults joves i suposa un repte sanitari de gran rellevància a escala mundial. La progressió de la malaltia s’associa amb l’aparició de lesions retinianes com microaneurismes, hemorràgies i exsudats, la detecció precoç dels quals és fonamental per prevenir pèrdues irreversibles de visió. En aquest context, els sistemes informàtics de lectura d’imatges retinianes automàtics han sorgit com a eines de suport en el cribratge i monitoratge de la RD, ja que permeten identificar i quantificar de manera objectiva les lesions presents al fons d’ull. En aquesta tesi doctoral s’ha estudiat i validat el rendiment d’un sistema automàtic de lectura d’imatges retinianes per al recompte de microaneurismes, hemorràgies i exsudats. S’ha analitzat la distribució topogràfica d’aquestes lesions a la quadrícula ETDRS (Early Treatment Diabetic Retinopathy Study), que distingeix quatre quadrants al fons d’ull (temporal, nasal, superior i inferior). L’objectiu ha estat comparar les troballes en els diferents quadrants i determinar si hi havia diferències significatives en funció de la severitat de la RD (classificada en lleu, moderada i greu). La investigació s’ha dut a terme utilitzant imatges procedents de dues bases de dades. La primera és una base de dades pública i reconeguda en l’àmbit de la retinopatia diabètica: MESSIDOR. La segona va ser construïda durant el desenvolupament de la tesi doctoral i es va registrar la seva propietat intel·lectual; s’anomena MIRADATASET. Aquestes bases de dades inclouen un ampli ventall de fotografies de fons d’ull obtingudes mitjançant retinografies de pacients amb diferents estadis de RD, fet que possibilita una anàlisi comparativa robusta i representativa de la malaltia. L’ús de dos conjunts de dades independents tenia l’objectiu de reforçar la validesa dels resultats i assegurar que les observacions no estiguessin esbiaixades per l’origen de les imatges. La primera etapa de l’estudi va consistir en la implementació d’un algorisme de segmentació i detecció automàtica de lesions retinianes, optimitzat per identificar de manera precisa microaneurismes, hemorràgies i exsudats. El sistema informàtic es va entrenar amb imatges en què les lesions havien estat prèviament marcades i etiquetades. El procediment d’anàlisi es va basar en la divisió de cada retinografia segons la quadrícula ETDRS, que permet localitzar les lesions en quatre quadrants: temporal, nasal, superior i inferior. Un cop segmentades i classificades les lesions, el sistema va realitzar el recompte de microaneurismes i hemorràgies a cada quadrant de manera independent. Tot seguit, es va dur a terme una anàlisi estadística que va comparar el nombre mitjà de lesions entre els quadrants i, posteriorment, es va estratificar la mostra en funció del tipus de RD (lleu, moderada i greu). Es van utilitzar proves de significació (p < 0,001) per determinar si existien diferències rellevants entre grups. Per assegurar la consistència dels resultats, es va repetir la mateixa metodologia en les imatges de totes dues bases de dades, cosa que va permetre verificar la robustesa del sistema i la reproductibilitat de les troballes. L’anàlisi global va demostrar que el sistema automàtic de lectura identifica amb fiabilitat microaneurismes, hemorràgies i exsudats, i va evidenciar una alta concordança amb la distribució anatòmica esperada d’aquestes lesions en pacients amb RD. De manera sistemàtica, els quadrants temporal i inferior van mostrar un nombre significativament més gran de microaneurismes i hemorràgies en comparació amb els quadrants nasal i superior, assolint valors de p < 0,001 en contrastar les mitjanes de recompte de lesions. Així mateix, l’estratificació per tipus de RD confirma que, en casos de RD greu, es produeix un increment encara més notable de microaneurismes, hemorràgies i exsudats, especialment marcat als quadrants temporal i inferior, amb diferències estadísticament significatives en comparació amb la RD lleu i moderada (p < 0,001). Aquests resultats van ser coherents tant en les imatges extretes de la base MESSIDOR com en les de MIRADATASET, fet que reforça la validesa de les observacions i suggereix que el patró de major afectació en aquestes zones del fons d’ull podria ser transversal a diferents poblacions de pacients diabètics. En conclusió, la distribució preferent de lesions als quadrants temporal i inferior, constatada en dues bases de dades independents, recolza la idea de focalitzar un examen més exhaustiu en aquestes regions retinianes durant l’avaluació clínica. Alhora, l’elevada concordança entre les bases de dades dona suport a la generalització dels resultats i reforça el potencial dels sistemes automàtics de lectura com a aliats en la detecció precoç i en la monitorització de la progressió de la retinopatia diabètica.
Diabetic retinopathy (DR) is one of the main causes of blindness in young adults and represents a major global health challenge. The progression of the disease is associated with the appearance of retinal lesions such as microaneurysms, hemorrhages, and exudates, whose early detection is crucial to prevent irreversible vision loss. In this context, automated computer systems for reading retinal images have emerged as supportive tools for DR screening and monitoring, as they enable the objective identification and quantification of lesions present in the fundus. In this doctoral thesis, the performance of an automatic retinal image reading system for counting microaneurysms, hemorrhages, and exudates was studied and validated. The topographical distribution of these lesions was analyzed using the ETDRS (Early Treatment Diabetic Retinopathy Study) grid, which distinguishes four quadrants of the fundus (temporal, nasal, superior, and inferior). The goal was to compare the findings in the different quadrants and determine if there were significant differences depending on DR severity (classified as mild, moderate, and severe). The research was conducted using images from two databases. The first is a public and recognized database in the field of diabetic retinopathy: MESSIDOR. The second was built during the development of this doctoral thesis, and its intellectual property was registered under the name MIRADATASET. These databases include a wide range of fundus photographs obtained via retinography from patients with different stages of DR, making it possible to perform a robust and representative comparative analysis of the disease. The use of two independent datasets aimed to strengthen the validity of the results and ensure that the observations were not biased by the origin of the images. The first stage of the study involved the implementation of a segmentation and automatic detection algorithm for retinal lesions, optimized to accurately identify microaneurysms, hemorrhages, and exudates. The computer system was trained with images whose lesions had been previously marked and labeled. The analysis procedure was based on dividing each retinograph according to the ETDRS grid, which localizes lesions into four quadrants: temporal, nasal, superior, and inferior. Once segmented and classified, the system performed the counting of microaneurysms and hemorrhages independently in each quadrant. Next, a statistical analysis was carried out to compare the average number of lesions among the quadrants. Subsequently, the sample was stratified based on the type of DR (mild, moderate, and severe). Significance tests (p < 0.001) were used to determine if there were relevant differences among groups. To ensure consistency of the results, the same methodology was repeated using images from both databases, which allowed for verification of the system’s robustness and the reproducibility of the findings. The overall analysis showed that the automatic reading system reliably identifies microaneurysms, hemorrhages, and exudates, demonstrating a high level of concordance with the expected anatomical distribution of these lesions in DR patients. Systematically, the temporal and inferior quadrants presented a significantly higher number of microaneurysms and hemorrhages compared to the nasal and superior quadrants, reaching p < 0.001 values when comparing the average lesion counts. Additionally, stratification by DR type confirms that, in cases of severe DR, there is an even more pronounced increase in microaneurysms, hemorrhages, and exudates, especially notable in the temporal and inferior quadrants, with statistically significant differences compared to mild and moderate DR (p < 0.001). These findings were consistent in both MESSIDOR and MIRADATASET, reinforcing the validity of the observations and suggesting that the pattern of greater lesion burden in these fundus areas might be common across different populations of diabetic patients. In conclusion, the preferential distribution of lesions in the temporal and inferior quadrants, verified in two independent databases, supports the idea of conducting more exhaustive examinations of these retinal regions during clinical evaluation. Moreover, the high concordance between the databases supports the generalization of the results and bolsters the potential of automatic reading systems as allies in the early detection and monitoring of DR progression.
retinopatia diabética
61 - Medical sciences
Ciències de la salut
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.