El modelo de detección de cataratas de un teléfono inteligente reduce la variabilidad
Una estrategia basada en la luminancia propuesta recientemente mostró una mayor precisión que la técnica tradicional basada en el color, según muestra la investigación.
Como sabe cualquiera que haya realizado una compra de ropa en línea, el color que recibe por correo no siempre es idéntico al color que ve en la pantalla. La apariencia de las imágenes puede variar ampliamente según el dispositivo y su configuración. Cuando se trata de diagnósticos remotos, muchos de los cuales dependen cada vez más de los teléfonos inteligentes, es importante saber si un determinado modelo de teléfono (es decir, las características del sensor de la cámara) o diferentes condiciones ambientales (p. Ej., Luz ambiental) afectarán el resultado. Ese es el caso de los métodos tradicionales de detección de cataratas basados en teléfonos inteligentes, como el análisis de características de textura, la extracción de características de color RGB, el método de reflejo rojo y el método de matriz de co-ocurrencia de niveles de gris. Un estudio informó sobre una nueva técnica de análisis de imágenes de ojos basada en luminancia.
Hay tres tipos de cataratas según la OMS (esclerótica nuclear, radios corticales y subcapsular posterior) que se definen y clasifican examinando las opacidades. Las aplicaciones de teléfonos inteligentes para detectar cataratas se basan en el color de las lentes y las características de la textura, pero como se señaló anteriormente, los métodos basados en el color que utilizan no son universalmente aplicables a diferentes dispositivos.
Los investigadores idearon un método basado en luminancia, que observaron que se demostró que mejora la precisión de detección y la extracción de características en comparación con los métodos basados en color en un estudio que compara las dos estrategias para detectar células cancerosas en la leucemia. El método basado en luminancia tuvo una precisión del 86,67% y el método basado en el color tuvo una precisión del 33,4%. En general, el método basado en luminancia produjo un aumento del 17% en la precisión sobre el método basado en color.
Los investigadores escribieron en su artículo que su novedoso método basado en luminancia detecta cataratas “utilizando la transformación de brillo de píxeles para extraer valores de luminancia de imágenes adquiridas con la cámara de un teléfono inteligente. Para validar el método, utilizamos diferentes modelos de iPhone (iPhone 6, iPhone X y iPhone 11 Pro) para capturar imágenes en diferentes condiciones de luz, distancia y ángulo utilizando un modelo de ojo. Luego, las imágenes basadas en luminancia se recortaron y transformaron utilizando el algoritmo de transformación de cuencas hidrográficas para extraer la región de interés”.
Además, utilizaron un clasificador Support Vector Machine para distinguir los ojos sanos de los que tenían cataratas. Utilizaron un procedimiento de remuestreo de validación cruzada de 10 veces para evaluar su modelo de aprendizaje automático con el fin de superar el pequeño tamaño de muestra de datos. “Como resultado, el método propuesto detecta cataratas a partir de imágenes capturadas por la cámara del teléfono inteligente”, explicaron. “El método propuesto solo diferencia los ojos sanos de los ojos enfermos y no diferencia entre los tipos de cataratas”.
Los investigadores informaron en su artículo que su método basado en luminancia podría diagnosticar ojos enfermos con 96,6% de precisión, 93,4% de especificidad y 93,75% de sensibilidad. “Este método se puede utilizar para aplicaciones de cabecera, clínicas y comunitarias, que son los pilares principales de la medicina traslacional”, escribieron. “Hemos implementado nuestro método usando diferentes imágenes de cámaras de teléfonos inteligentes de 100 modelos de ojos, de los cuales 50 eran cataratas y 50 estaban sanos. Las imágenes se adquirieron de los modelos oculares emulados para reproducir diferentes tipos de cataratas y ojos sanos. Nuestro método propuesto tenía como objetivo encontrar la nubosidad y la borrosidad como signos de cataratas en el modelo del ojo”. Probaron el modelo usando diferentes distancias, luz ambiental y ángulos de cámara. “Para mejorar el rendimiento de nuestro modelo propuesto, se adoptó un filtro mediano para el preprocesamiento.
Sus resultados mostraron que “los factores ambientales cambiantes tuvieron un impacto muy limitado (promedio: 2.8%) en los resultados de los resultados. La distancia alterna de la cámara, el teléfono inteligente y el ángulo de la cámara tuvo un impacto del 3,3%, 3% y 2,2%, respectivamente, en los resultados, que fue insignificante “. Además, dicen que su método es capaz de detectar las cataratas más leves o las anomalías del cristalino porque mide con precisión cualquier reflejo de luz. Esto ayuda a monitorear la progresión, agregaron.
Concluyeron que sus resultados experimentales muestran que el método puede detectar con precisión cataratas desde diferentes distancias, teléfonos inteligentes y ángulos de cámara. “Podemos implementar nuestro método en cualquier teléfono inteligente, incluidos los teléfonos con iOS o Android, con el hardware adecuado utilizando una plataforma de aplicación reorientable”, dijeron.
Referencias:
| Askarian B, Ho P, Chong J. Detectando cataratas usando teléfonos inteligentes. IEEE J Ingeniería traslacional Health Med. 2021; 9 (11): 3800110. |
