Detecção e segmentação de estruturas em imagens médicas de retina

Detalhes bibliográficos
Autor(a) principal: Veras, Rodrigo de Melo Souza
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/10851
Resumo: Fundus images are valuable resource in diagnosis because they often present indications about retinal, ophthalmic, and even systemic diseases such as diabetes, hypertension, and arteriosclerosis. This thesis focuses on algorithms to detect fovea, exudates and optic disk (OD) in retina images. Regarding fovea detection algorithms in colored retina images, we propose an algorithm and furthermore a set of rules to assess them. Automatic detection of this anatomical structure is a prerequisite for computer-aided diagnosis of several retinal diseases, such as macular degeneration. However, the small dimension and weak contrast of the fovea area on retina images make difficult this task detection, directly. The proposed algorithm determines a region of interest taking into account OD coordinates and the fact that the fovea is a homogeneous dark area without blood vessels. Then, the method performs the vessel segmentation step and searches for the lowest mean color intensity window in the image that results from the fusion between the red and green channels. Tests were carried out on three public benchmark databases. In addition, this thesis proposes an algorithm for exudate detection in retina images. The proposed methodology combines fuzzy clustering and mathematical morphology techniques. The results confirm the performance improvement provided by the proposed methodology, when comparing it to other methods available in the literature. In this work, we compare the results of six different automatic algorithms for OD detection, using the public benchmark image database named ARIA, STARE, DRIVE and MESSIDOR. We aimed to test the robustness of the algorithms in detecting the OD in healthy and pathological retina images. In general, we observed that these methods performed better in less challenging databases as the two last ones, i.e. they achieved the highest success rates in DRIVE and MESSIDOR.
id UFC-7_8095bacc40aa7b94c379cd7aa30918fe
oai_identifier_str oai:repositorio.ufc.br:riufc/10851
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Detecção e segmentação de estruturas em imagens médicas de retinaDetection and segmentation of structures in medical retinal imagesTeleinformáticaOlho - Doenças - TratamentoFundus images are valuable resource in diagnosis because they often present indications about retinal, ophthalmic, and even systemic diseases such as diabetes, hypertension, and arteriosclerosis. This thesis focuses on algorithms to detect fovea, exudates and optic disk (OD) in retina images. Regarding fovea detection algorithms in colored retina images, we propose an algorithm and furthermore a set of rules to assess them. Automatic detection of this anatomical structure is a prerequisite for computer-aided diagnosis of several retinal diseases, such as macular degeneration. However, the small dimension and weak contrast of the fovea area on retina images make difficult this task detection, directly. The proposed algorithm determines a region of interest taking into account OD coordinates and the fact that the fovea is a homogeneous dark area without blood vessels. Then, the method performs the vessel segmentation step and searches for the lowest mean color intensity window in the image that results from the fusion between the red and green channels. Tests were carried out on three public benchmark databases. In addition, this thesis proposes an algorithm for exudate detection in retina images. The proposed methodology combines fuzzy clustering and mathematical morphology techniques. The results confirm the performance improvement provided by the proposed methodology, when comparing it to other methods available in the literature. In this work, we compare the results of six different automatic algorithms for OD detection, using the public benchmark image database named ARIA, STARE, DRIVE and MESSIDOR. We aimed to test the robustness of the algorithms in detecting the OD in healthy and pathological retina images. In general, we observed that these methods performed better in less challenging databases as the two last ones, i.e. they achieved the highest success rates in DRIVE and MESSIDOR.Imagens de fundo de olho constituem um valioso recurso para o diagnóstico médico, pois muitas vezes apresentam indicações de doenças oftálmicas como as da retina e até mesmo doenças sistêmicas como diabetes, hipertensão e arteriosclerose. Esta tese trata de algoritmos de detecção de estruturas como a fóvea, mácula, exsudatos e disco óptico (DO) em imagens de retina. Em se tratando de algoritmos de detecção da fóvea em imagens coloridas de retina, propomos um algoritmo assim como conjunto de regras para avaliação dos mesmos. A detecção automática desta estrutura anatômica é um pré-requisito para o diagnóstico auxiliado por computador de várias doenças da retina, como a degeneração macular. Entretanto, as pequenas dimensões e baixo contraste da fóvea dificultam a execução desta tarefa de detecção. O algoritmo proposto determina a região de interesse levando em consideração as coordenadas do DO e o fato da fóvea ser uma área escura, homogênea e sem presença de vasos sanguíneos. Em seguida, o método realiza a etapa de segmentação dos vasos e pesquisa pela janela com menor média de intensidade de cor na imagem resultante da fusão entre os canais vermelho e verde. Os testes do algoritmo de detecção da fóvea foram realizados em três bases de imagens públicas de referência ARIA, DRIVE e MESSIDOR. Neste trabalho, propomos ainda um algoritmo de detecção de exsudatos em imagens de retina. A metodologia proposta combina agrupamento nebuloso e técnicas de morfologia matemática. Os resultados confirmam a melhoria no desempenho do método de detecção quando comparado aos métodos disponíveis na literatura. Portanto, comparamos os resultados de seis algoritmos automáticos de detecção do DO disponíveis na literatura, utilizando dados de referência das bases públicas ARIA, STARE, DRIVE e MESSIDOR. O objetivo era determinar a robustez dos mesmos em detectar o DO em imagens de retina saudáveis e com a presença de patologias. Observamos que em geral os métodos de detecção de DO que apresentam melhor desempenho o fazem em bases menos desafiadoras como as duas últimas, ou seja, eles alcançam as maiores taxas de acerto.Medeiros, Fátima Nelsizeuma Sombra deVeras, Rodrigo de Melo Souza2015-03-04T17:00:49Z2015-03-04T17:00:49Z2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfVERAS. R. M. S. Detecção e segmentação de estruturas em imagens médicas de retina. 2014. 71 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.http://www.repositorio.ufc.br/handle/riufc/10851porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2020-08-24T15:02:25Zoai:repositorio.ufc.br:riufc/10851Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:20:01.842133Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Detecção e segmentação de estruturas em imagens médicas de retina
Detection and segmentation of structures in medical retinal images
title Detecção e segmentação de estruturas em imagens médicas de retina
spellingShingle Detecção e segmentação de estruturas em imagens médicas de retina
Veras, Rodrigo de Melo Souza
Teleinformática
Olho - Doenças - Tratamento
title_short Detecção e segmentação de estruturas em imagens médicas de retina
title_full Detecção e segmentação de estruturas em imagens médicas de retina
title_fullStr Detecção e segmentação de estruturas em imagens médicas de retina
title_full_unstemmed Detecção e segmentação de estruturas em imagens médicas de retina
title_sort Detecção e segmentação de estruturas em imagens médicas de retina
author Veras, Rodrigo de Melo Souza
author_facet Veras, Rodrigo de Melo Souza
author_role author
dc.contributor.none.fl_str_mv Medeiros, Fátima Nelsizeuma Sombra de
dc.contributor.author.fl_str_mv Veras, Rodrigo de Melo Souza
dc.subject.por.fl_str_mv Teleinformática
Olho - Doenças - Tratamento
topic Teleinformática
Olho - Doenças - Tratamento
description Fundus images are valuable resource in diagnosis because they often present indications about retinal, ophthalmic, and even systemic diseases such as diabetes, hypertension, and arteriosclerosis. This thesis focuses on algorithms to detect fovea, exudates and optic disk (OD) in retina images. Regarding fovea detection algorithms in colored retina images, we propose an algorithm and furthermore a set of rules to assess them. Automatic detection of this anatomical structure is a prerequisite for computer-aided diagnosis of several retinal diseases, such as macular degeneration. However, the small dimension and weak contrast of the fovea area on retina images make difficult this task detection, directly. The proposed algorithm determines a region of interest taking into account OD coordinates and the fact that the fovea is a homogeneous dark area without blood vessels. Then, the method performs the vessel segmentation step and searches for the lowest mean color intensity window in the image that results from the fusion between the red and green channels. Tests were carried out on three public benchmark databases. In addition, this thesis proposes an algorithm for exudate detection in retina images. The proposed methodology combines fuzzy clustering and mathematical morphology techniques. The results confirm the performance improvement provided by the proposed methodology, when comparing it to other methods available in the literature. In this work, we compare the results of six different automatic algorithms for OD detection, using the public benchmark image database named ARIA, STARE, DRIVE and MESSIDOR. We aimed to test the robustness of the algorithms in detecting the OD in healthy and pathological retina images. In general, we observed that these methods performed better in less challenging databases as the two last ones, i.e. they achieved the highest success rates in DRIVE and MESSIDOR.
publishDate 2014
dc.date.none.fl_str_mv 2014
2015-03-04T17:00:49Z
2015-03-04T17:00:49Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv VERAS. R. M. S. Detecção e segmentação de estruturas em imagens médicas de retina. 2014. 71 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
http://www.repositorio.ufc.br/handle/riufc/10851
identifier_str_mv VERAS. R. M. S. Detecção e segmentação de estruturas em imagens médicas de retina. 2014. 71 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
url http://www.repositorio.ufc.br/handle/riufc/10851
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028759181197312