Segmentation of retinal fluids and hyperreflective foci using deep learning approach in optical coherence tomography scans

Retinal diseases are a common cause of blindness around the world, early detection of clinical findings can help to avoid vision loss in patients. Optical coherence tomography images have been widely used to diagnose retinal diseases, due to the capacity to show in detail findings as drusen, hyperreflective foci, and intraretinal and subretinal fluids. The location of findings is vital to identify and follow-up the retinal disease. However, the detection and segmentation of these findings is not an easy task due to artifacts noise, and the time consuming even to experts ophthalmologist. This paper proposes a computational method based on deep learning to automatically identify fluids and hyperreflective foci as a tool to identify retinal diseases through the use of OCT images. The method was evaluated on a set of OCT images manually annotated by experts. The experimental results present a Dice coefficient of 0,4437 and 0,6245 in the segmentation task of fluids (intrarretinal fluids and subretinal fluids), and hyperreflective foci respectively.Las enfermedades de la retina son una causa común de ceguera en todo el mundo, la detección temprana de los hallazgos clínicos puede ayudar a evitar la pérdida de visión en los pacientes. Las imágenes de tomografía de coherencia óptica se han utilizado ampliamente para diagnosticar enfermedades de la retina, debido a la capacidad de mostrar en detalle hallazgos como drusas, focos hiperreflectantes y fluidos intrarretinianos y subretinianos. La localización de los hallazgos es vital para la identificación y seguimiento de la enfermedad retiniana. Sin embargo, la detección y segmentación de estos hallazgos no es una tarea fácil debido al ruido de los artefactos, y el tiempo que consume incluso para los expertos oftalmólogos. Este trabajo propone un método computacional basado en deep learning para identificar automáticamente fluidos y focos hiperreflectivos como herramienta para identificar enfermedades de la retina mediante el uso de imágenes OCT. El método fue evaluado en un conjunto de imágenes OCT anotadas manualmente por expertos. Los resultados experimentales presentan un coeficiente Dice de 0,4437 y 0,6245 en la tarea de segmentación de fluidos (fluidos intrarretinianos y fluidos subretinianos), y focos hiperreflectivos respectivamente