Geometric characteristics of glaucoma according to spaeth classification

Características geométricas del glaucoma según la clasificación de spaeth

  • Natalia Andrea Ramírez Pérez
Palabras clave: Diseases diagnose, Geometric, Illness of the nervous system, Optical disc (en_US)
Palabras clave: Diagnóstico de enfermedades, Geometría, Enfermedad del sistema nervioso, Disco óptico (es_ES)

Resumen (en_US)

Glaucoma is a progressive and degenerative chronic disease of the human visual system, it is characterized by the presence of damage in the optic nerve, if is not treated on time, it could cause partial or total blindness.

This research focuses on the extraction of some geometric characteristics, taking into account the Spaeth classification, which currently determines the degrees or states of glaucoma.

The analysis was made through the geometric interpretation, taken from the different stages of glaucoma and transforming them to the application of the concept of curve and fractal dimension, using the digital image processing in MATLAB. As relevant results it is emphasized that, because the degree of the disease is directly proportional to the increase of its levels, the fractal dimension by counting boxes is increasing with great accuracy for the dimensions of the optic nerve (1.75 mm - 2,25 mm) and the arc length grows for all the dimensions of the optic nerve, taking into account the division of the 3 stages of the different glaucoma states.

Resumen (es_ES)

El glaucoma es una enfermedad crónica, progresiva y degenerativa del sistema visual humano, se caracteriza por la presencia del daño en el nervio óptico, si no se trata a tiempo, podría causar ceguera parcial o total; esta investigación se centra en la extracción de ciertas características geométricas, teniendo en cuenta la clasificación de Spaeth, que actualmente determina los grados o estados de glaucoma, para esto el análisis se realizó a través de la interpretación geométrica, tomada de las diferentes etapas del glaucoma y transformándola en la aplicación del concepto de curva y dimensión fractal, utilizando el procesamiento digital de imágenes en MATLAB. Como resultados relevantes, se enfatiza que, debido a que, el grado de la enfermedad es directamente proporcional al aumento de sus niveles, la dimensión fractal por conteo de cajas aumenta con gran precisión para las dimensiones del nervio óptico (1.75 mm - 2,25 mm) y la longitud del arco crece para todas las dimensiones del nervio óptico, teniendo en cuenta la división de las 3 etapas de los diferentes estados de glaucoma.

Descargas

La descarga de datos todavía no está disponible.

Referencias

[1] S. Carduner, “Guía del Paciente: Vivir con Glaucoma”, 2017. [Online]. Available at: http://www.visionaware.org/info/guia-del-paciente-vivir-con-glaucoma/5

[2] Centro Oftalmológico Barraquer, “La Presión intracular (PIO)”, 2015. [Online]. Available at: https://www.barraquer.com/noticias/la-presion-intraocular-pio/

[3] Wikipedia, “Medical diagnostic”, 2019. [Online]. Available at: https://en.wikipedia.org/wiki/Medical_diagnosis

[4] Wikipedia, “Retinal nerve fiber layer”, 2018. [Online]. Available at: https://en.wikipedia.org/wiki/Nerve_fiber_layer

[5] M. K. Nath, “Techniques of Glaucoma Detection From Color Fundus Images : A Review”, International Journal of Image, Graphics and Signal Processing(IJIGSP), vol. 4, no. 9, 2012. https://doi.org/10.5815/ijigsp.2012.09.07

[6] National Eye Institute, “Glaucoma What you should know”, 2016. [Online]. Available at: https://nei.nih.gov/catalog/glaucoma-what-you-should-know

[7] E. C. Pérez-Molina and L. León, “La fotografía de fondo de ojo como método de diagnóstico en el glaucoma”, Medicentro Electrónica, vol. 21, no. 1, 2017.

[8] S. Djavanmardi, S. Duch and E. Millá, “¿Qué es la Campimetría o Campo visual?”, 2018. [Online]. Available at: https://www.icoftalmologia.es/es/tecnologias-de-diagnostico-y-tratamiento/campimetria-campo-visual/

[9] C. Rieger-Reyes and F. J. Rubio-Galán, “Glaucoma: Implicaciones farmacológicas”, Semergen, vol. 39, no. 1, 2013, pp. 26–33. https://doi.org/10.1016/j.semerg.2012.05.003

[10] A. Aspelund, et al., “The Schlemm’s canal is a VEGF-C/VEGFR-3-responsive lymphatic-like vessel”, The Journal of Clinical Investigation, vol. 124, no. 9, 2014, pp. 3975–3986. https://doi.org/10.1172/JCI75395

[11] National Eye Institute, “El Glaucoma Lo que usted debe saber”, 2016. [Online]. Available at: https://nei.nih.gov/health/espanol/glaucoma_paciente

[12] R. P. Mills et al., “Categorizing the stage of glaucoma from pre-diagnosis to end-stage disease”, Am. J. Ophthalmol., vol. 141, no. 1, 2006, pp. 24–30. https://doi.org/10.1016/j.ajo.2005.07.044

[13] Clinica Rementeria, “OCT o Tomografía de Coherencia Óptica”, 2011. [Online]. Available at: http://www.clinicarementeria.es/pruebas-diagnosticas/oct

[14] K. Nirmala and S. Chandrika, “Comparative Analyis of CDR Detection for Glaucoma Diagnosis”, The International Journal of Computer Science &Applications (TIJCSA), vol. 2, no. 4, 2013, pp. 1-9.

[15] J. Xu, H. Ishikawa, G. Wollstein and J. S. Schuman, “3D optical coherence tomography super pixel with machine classifier analysis for glaucoma detection”, Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2011, pp. 3395-3398. https://doi.org/10.1109/IEMBS.2011.6090919

[16] B. Rodrigo, S. Morales, V. Naranjo, A. Colomer, and M. Alcañiz, “Detección de glaucoma mediante la combinación de la relación copa / disco y la regla ISNT”, Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB), 2014.

[17] G. L. Spaeth and A. Paulus, “The Colored Glaucoma Graph and Its Use in Caring for Patients with Glaucoma: A New System of Management, Presented in Three Parts”, Current Journal of Glaucoma Practice with DVD, vol. 4, 2010, pp. 83–90. https://doi.org/10.5005/jp-journals-10008-1075

[18] H. Li, “Proceedings of the Ninth IEEE International Conference on Computer Vision”, (ICCV), 2003. https://doi.org/10.1109/ICCV.2003.1238306

[19] C. Zangalli, S. R. Gupta and G. L. Spaeth, “The disc as the basis of treatment for glaucoma”, Saudi J. Ophthalmol., vol. 25, no. 4, 2011, pp. 381–387. https://doi.org/10.1016/j.sjopt.2011.07.003

[20] P. do Carmo, “Geometría diferencial de curvas y superficies”, Alianza editorial, 2007.

[21] B. Al-bander, W. Al-nuaimy, M. Al-taee and Y. Zheng, “Automated Glaucoma Diagnosis using Deep Learning Approach”, 14th International Multi-Conference on Systems, Signals & Devices (SSD), 2017, pp. 207–210, https://doi.org/10.1109/SSD.2017.8166974

[22] O. Perdomo, J. Arevalo and F. A. González, “Combining morphometric features and convolutional networks fusion for glaucoma diagnosis”, 13th International Conference on Medical Information Processing and Analysis, 2017, pp. 1–8. https://doi.org/10.1117/12.2285964

[23] C. Chang and C. Lin, “LIBSVM : A Library for Support Vector Machines”, 2013, ACM Transactions on Intelligent Systems and Technology (TIST), vol. 2, no. 3, 2011, pp. 1–39. https://doi.org/10.1145/1961189.1961199

[24] N. González, S. P. Mateus and J. W. Branch, “Aplicación de Redes Neuronales Artificiales en Entornos Virtuales Inteligentes”, Inf. tecnol., vol. 25, no. 5, 2014. https://doi.org/10.4067/S0718-07642014000500015

[25] O. Ignacio, “Aprendizaje automático de asistencia al diagnóstico de enfermedades visuales basado en imágenes de fondo de ojo”, 2016. [Online]. Available at: http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1476

[26] K. Chauhan, P. Chauhan, A. Sudhalkar, K. Lad and R. Gulati, “Data mining techniques for diagnostic support of glaucoma using stratus OCT and perimetric data”, vol. 151, no. 8, 2016, pp. 34–39. https://doi.org/10.5120/ijca2016911855
Cómo citar
Ramírez Pérez , N. A. (2019). Características geométricas del glaucoma según la clasificación de spaeth. Visión electrónica, 13(2). https://doi.org/10.14483/22484728.15187
Publicado: 2019-07-30
Sección
Visión Investigadora