Mappatura più accurata ed efficiente dei vasi sanguigni retinici utilizzando uno schema di elaborazione delle immagini che segue il percorso, sviluppato da un team di ricerca guidato da A*STAR, potrebbe aiutare a migliorare la scansione della retina e la diagnosi medica.

I vasi sanguigni che si trovano sulla retina nella parte posteriore dell'occhio sono un importante indicatore diagnostico per molti disturbi clinici tra cui il diabete, alta pressione sanguigna, indurimento arterioso, e occlusione delle arterie retiniche. Però, tracciare i vasi sanguigni della retina è un processo che richiede tempo e che richiede addestramento e abilità, che sarebbe meglio eseguito da un processo automatizzato affidabile in grado di mappare in modo efficiente la rete di navi.

"Abbiamo passato anni ad analizzare i vasi sanguigni della retina, dove una sfida è sempre quella di isolare ogni vaso dal resto o di separare l'arteria dai vasi venosi, ", afferma Cheng Li dell'A*STAR Bioinformatics Institute. "Abbiamo sviluppato un algoritmo in grado di tracciare una rete da pochi nodi contrassegnati o "etichettati", e funziona particolarmente bene per reti su larga scala di, dire, milioni di nodi anche con pochissime etichette conosciute."

Nel loro studio teorico, Li e il suo team hanno esplorato l'uso di un algoritmo consolidato nell'elaborazione delle immagini, chiamata catena di Markov, per seguire meglio le complesse reti di ramificazione dei vasi sanguigni nella retina.

Una catena di Markov è una rappresentazione statistica di una sequenza, in questo caso di nodi connessi, dove un elemento nella sequenza è indipendente da tutto ciò che lo precede. Per un vaso sanguigno, ciò significa che la sua direzione di diramazione da un dato punto potrebbe essere del tutto casuale e non dipendente dal percorso del vaso che lo precede. Il team di Li si è spinto oltre per adottare una catena di Markov assorbente, che "blocca" il percorso tracciato fino al nodo corrente, e quindi applica un algoritmo di passeggiata casuale per sondare un'immagine per la direzione del vaso sanguigno successivo.

In questo modo, il loro algoritmo di elaborazione delle immagini può iniziare da un nodo etichettato, come una filiale importante, e tracciare i vasi sanguigni per formare una rete connessa in un modo simile a come un medico affronterebbe il problema.

In applicazione alle immagini retiniche reali, l'algoritmo ha superato altri approcci allo stato dell'arte, e corrispondeva all'accuratezza del tracciamento umano.

"Abbiamo sviluppato questo algoritmo dalla nostra esperienza di imaging biomedico molto pratica nel tracciamento dei vasi sanguigni per un certo numero di anni, " dice Li. "Il nostro approccio è semplice, facile da implementare, e ha molte importanti applicazioni tra cui la classificazione delle immagini, e analisi della rete e dei collegamenti."