Optimización adaptativa de preprocesamiento para la segmentación de la red vascular retiniana

Resumen

La segmentación de la red vascular en imágenes de fondo de ojo es un paso importante en el diagnóstico y seguimiento de patologías oftalmológicas y sistémicas, como la retinopatía diabética (RD). Sin embargo, la fiabilidad de los métodos automatizados se ve comprometida por desafíos inherentes a las imágenes, principalmente la iluminación no uniforme, el bajo contraste y la presencia de ruido. Este trabajo propone una metodología para el procesamiento y segmentado automatizado de imágenes de fondo de ojo, abordando estos problemas mediante una estrategia de adaptación y regularización. El método inicia con la extracción del canal verde (G) para maximizar el contraste. Luego, se aplica un filtro gaussiano cuyo parámetro de suavizado (σ) es optimizado para cada imagen, balanceando la reducción de ruido y la preservación de detalles mediante la Varianza del Laplaciano (VoL) y la Energía de Alta Frecuencia Residual (HFER). Después, se implementa un filtro homomórfico para corregir la iluminación, ajustando sus parámetros con un algoritmo de Enjambre de Partículas (PSO) y utilizando la entropía de Shannon como función objetivo. Finalmente, el filtro de Frangi resalta las estructuras tubulares, seguido de una binarización controlada. El método fue validado en las bases de datos públicas DRIVE y STARE, donde la etapa de optimización homomórfica demostró un incremento consistente en la entropía de la imagen (ej., de 5.7 a 6.2 bits/píxel), mejorando el contraste. La estrategia de preprocesamiento adaptativo propuesta contribuye a mejorar la fiabilidad de la segmentación vascular y, por ende, el diagnóstico de las patologías.