Retinal Vascular Measurement Tools for Diagnostic Feature Extraction

I contributi di questo lavoro sono per lo sviluppo di nuovi e lo stato degli algoritmi d'arte per l'analisi di immagini tra cui il rilevamento della retina ottica del disco, la stima tortuosità, e anomalia rilevamento cross-over. La retina è una delle poche zone del corpo umano che vasi sanguigni possono essere visualizzate in maniera non invasiva. imaging della retina è diventato uno standard nell'ufficio del oculista Poiché si tratta di un modo semplice e poco costoso per monitorare non solo la salute degli occhi, ma anche le malattie vascolari sistemiche. Le modifiche al sistema vascolare della retina possono essere i primi segni di malattie come la retinopatia diabetica e ipertensiva, di cui la diagnosi precoce può salvare la visione, il denaro, e migliorare la salute generale del paziente. Se si guarda alla vascolarizzazione della retina, oftalmologi in genere si basano su una valutazione qualitativa che può fare comparazioni nel tempo o tra i diversi oculisti difficile. Computer Aided sistemi sono ora incendio quantificare ciò che l'oculista è qualitativamente misura in quello che considerano essere le caratteristiche più importanti del sistema vascolare. Questi includono, ma non sono limitati a, tortuosità, arteriolare restringimento, anomalie di crossover, e il rapporto arteria-vena (AV). L'Università di Padova ha creato un sistema semi-automatico per la rilevazione e quantificazione vasi retinici a partire dalla rilevazione ottica del disco, la segmentazione nave, la stima di larghezza, il calcolo tortuosità, la classificazione AV, e il rapporto di AV. Abbiamo proposto un nuovo metodo per il rilevamento ottico che converte l'immagine retinica in un grafico e sfrutta disco metodi di aumento del vaso per calcolare i pesi bordo nel trovare il percorso più breve tra coppie di punti sulla periferia dell'immagine. Il segmento linea con il numero massimo di percorsi più brevi è considerata la posizione del disco ottico. Il metodo è stato testato su tre insiemi di dati accessibili al pubblico: DRIVE, DIARETDB1, e Messidor Composto da 40, 89, e 1200 immagini e ha raggiunto una precisione di 100, 98.88, e 99.42% respectively. Il secondo contributo è un nuovo algoritmo di calcolo anomalie AV ai punti di attraversamento. Nelle immagini della retina, segno di Gunn appare come una rastremazione della vena in un punto di passaggio, mentre il segno di Salus presenta come una curva a forma di S. Questo lavoro presenta un metodo per la quantificazione automatica di questi due segni once a incrocio è stato rilevato; combinando la segmentazione, l'arteria di classificazione della vena, e le tecniche di estrazione delle caratteristiche morfologiche per calcolare le larghezze delle vene e gli angoli che entrano ed escono il crossover. Risultati su due serie di dati mostrano la separazione tra le due classi e che possiamo in modo affidabile rilevare e quantificare Questi segni sotto le giuste condizioni. L'ultimo contributo in tortuosità compone di due parti. Uno studio comparativo è stato condotto su alcuni dei metodi più diffusi per la stima su un nuovo insieme di dati nave tortuosità. Che i risultati mostrano diversi metodi avere buon accordo con Cohen kappa Entrambi i selezionatori, mentre la metrica densità di tortuosità ha la più alta accordo metrica singola media di tipo di nave e selezionatore. Il secondo è un nuovo modo per migliorare curvature nei vasi segmentati sulla base di una differenza di Gabor filtri per creare una curvatura immagine migliorata. Theproposed Il metodo è stato testato su database RET-TORT utilizzando diversi metodi per calcolare tortuosità, e aveva più di correlazione di Pearson di .94 per arterie e vene per 0,882, superando singole formulazioni matematiche alla data. Questo valeva dopo aver testato il metodo proposto sul set di dati e, avendo valori di correlazione più elevati in tutta grader e tipo di imbarcazione tortuosità Rispetto ad altre metriche. Sintesi dei risultati: Il metodo di rilevazione disco ottico è stato testato su tre insiemi di dati accessibili al pubblico: DRIVE, DIARETDB1, e Messidor Composto da 40, 89, e 1200 immagini e ha raggiunto una precisione di 100, 98.88, e 99.42% respectively. Il metodo di quantificazione AV intaccare è stato testato su un piccolo insieme di dati di 10 attraversamento forniti dai medici Papageorgiou Hospital, Università Aristotele di Salonicco, Salonicco, Grecia. I risultati hanno mostrato separazione tra le normali e anormali Entrambe le classi per il segno Gunn e Salus. Il metodo è stato poi testato su un set di dati più grandi, a disposizione del pubblico che ha mostrato una buona separazione per il segno Gunn. Il metodo tortuosità Theproposed è stato testato su database RET-TORT utilizzando diversi metodi per calcolare tortuosità, e aveva più di correlazione di Pearson di .94 per arterie e vene per 0,882, superando singole formulazioni matematiche alla data. E 'stato poi testato su set di dati Theproposed in questa tesi, Ulteriori confermano l'efficacia del metodo.