Automatic Analysis and Characterisation of Glaucoma Progression in Medical Imaging Throungh Deep Learning

• Autores: Mateo Gende Lozano
• Directores de la Tesis: Jorge Novo Buján (dir. tes.) , Marcos Ortega Hortas (codir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2026
• Idioma: inglés
• Número de páginas: 269
• Tribunal Calificador de la Tesis: José Ángel Fernandez-Vigo López (presid.) , Noelia Barreira (secret.) , André Carreiro (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen
  • español

    Los pacientes de glaucoma experimentan una pérdida gradual de campo visual, que comienza con la visión periférica. Dada la naturaleza silenciosa de sus efectos, que inicialmente afectan a la zona más alejada de la visión central, muchos pacientes no buscan tratamiento hasta que ya han sido afectados por los efectos degenerativos. Por esto, a la hora de preservar la visión de los pacientes, es necesario disponer de un diagnóstico temprano de glaucoma. Los expertos generalmente inspeccionan distintas partes de la anatomía ocular en busca de daños relacionados con el glaucoma. No obstante este proceso de inspección manual es inherentemente subjetivo y exigente, y puede llevar a problemas de diagnóstico. El objetivo principal de esta tesis es la exploración y el desarrollo de técnicas de visión artificial y aprendizaje máquina que puedan asistir en el manejo del glaucoma. A pesar de su relevancia como principal causa mundial de ceguera irreversible, el glaucoma sigue siendo una enfermedad muy infradiagnosticada y sobretratada. Este trabajo explora los principales retos que presenta el glaucoma e introduce una serie de nuevas metodologías y técnicas específicamente diseñadas para abordarlos. Además, estas metodologías fueron empleadas para llevar a cabo una serie de estudios a fin de determinar qué estructuras retinianas pueden verse más afectadas por esta enfermedad, con la intención de mejorar su diagnóstico y evaluación. Finalmente, se presenta la extensión de algunas de las técnicas desarrolladas a otras patologías oculares y sistémicos relacionadas. En general, las contribuciones propuestas ofrecen resultados precisos y consistentes que pueden ser empleados para mejorar el diagnóstico de esta y otras enfermedades.

  • English

    Patients of glaucoma experience a gradual loss of visual field starting with the peripheral vision. Since its effects are insidious, and initially affect the area furthest away from sharp vision, many patients do not seek treatment until degeneration sets in. Because of this, an early diagnosis of glaucoma is key to preserving patient vision. Experts typically assess different parts of the ocular anatomy in search of glaucomatous damage. However, this manual inspection process is inherently subjective and demanding, and may lead to misdiagnosis. The main objective of this thesis is the exploration and the development of computer vision and machine learning techniques that can aid in the management of glaucoma. Despite its relevance as the main cause of irreversible blindness worldwide, glaucoma remains a severely under-diagnosed and over-treated disease. This dissertation explores the main challenges posed by this disease and presents a series of novel methodologies and techniques specifically designed to address them. Furthermore, these methodologies are used to conduct a series of studies on which retinal structures may be most affected by this disease, as a way to improve its diagnosis and assessment. Finally, we present the extension of some of the developed techniques to other related ocular and systemic diseases. Overall, the proposed contributions deliver accurate and consistent results that may be used to improve the diagnosis of this relevant disease as well as others.

  • galego

    Os pacientes de glaucoma experimentan unha pérdida gradual do campo visual, comezando coa visión periférica. Dada a naturaleza silenciosa dos seus efectos, que inicialmente afectan a zona máis afastada da visión central, moitos pacientes non buscan tratamento ata despois de ser afectados polos efectos dexenerativos. Por isto, é necesario dispor dunha diagnose temperá do glaucoma á hora de preservar a visión dos pacientes. Os expertos xeralmente inspeccionan distintas partes da anatomía ocular na procura de dano relacionado co glaucoma. Porén, este proceso de inspección manual é inherentemente subxectivo e esixente, e pode levar a problemas coa diagnose. O obxectivo principal desta tese é a exploración e o desenvolvemento de técnicas de visión artificial e aprendizaxe máquina que poidan asistir no manexo do glaucoma. A pesar da sua relevancia como principal causa mundial de cegueira irreversible, o glaucoma segue sendo unha enfermedad moi infradiagnosticada e sobretratada. Este traballo explora os principais retos que presenta o glaucoma e introduce unha serie de novas metodoloxías e técnicas específicamente deseñadas para abordarlos. Ademais, estas metodoloxías se empregaron para levar a cabo unha serie de estudios a fin de determinar qué estruturas retinianas poden verse máis afectadas por esta enfermidade, coa intención de mellorar o seu diagnóstico e avaliación. Finalmente, preséntase a extensión de algunhas das técnicas desenvolvidas a outras patoloxías oculares e sistémicas relacionadas. En xeral, as contribucións propostas ofrecen resultados precisos e consistentes que poden ser empregados para mellorar a diagnose desta e outras enfermidades.