Box-counting fractal dimension in application to recognition of hypertension through the retinal image analysis

• Autorzy: Kruk M. , Świderski B. , Osowski S.

Warianty tytułu

PL

Zastosowanie wymiaru pudełkowego do rozpoznania zmian ciśnieniowych poprzez automatyczna analizę obrazu dna oka

• Języki publikacji: EN

Abstrakty

EN

The paper presents the application of the box-counting dimension to the recognition of hypertension through the analysis of the image of the eye fundus. The box-counting dimension represents a single measure, often used to describe the structure of fractal-like images. We propose based on it fast method of classification of the retinal image in order to recognize the class of healthy, introductory step and advanced illness cases. The results of experiments performed on 125 cases confirm good performance of the proposed method.

PL

Praca prezentuje zastosowanie wymiaru pudełkowego do rozpoznania zmian ciśnieniowych poprzez automatyczna analizę obrazu dna oka. Zaproponowana została metoda szybkiego rozpoznania stanu chorobowego rozróżniająca trzy klasy: zdrowi, początkowy stan choroby i stan zaawansowany. Przedstawione są rezultaty rozpoznania dotyczące 125 przypadków.

Słowa kluczowe

EN

box-counting dimension; image segmentation; image classification; retinal image

PL

fraktal; wymiar pudełkowy (pojemnościowy); segmentacja obrazu; rozpoznawanie obrazu

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 9
• Strony: 286--289
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Kruk M.

• University of Life Sciences

autor

Świderski B.

• University of Life Sciences

autor

Osowski S.

• Warsaw University of Technology
• Military University of Technology

Bibliografia

• 1. Szczeklik, M. Tendera, Kardiologia, Wydawnictwo Medycyna Praktyczna, Kraków 2010.
• 2. Sukumaran S., Punithavall i M., Retina recognition based on fractal dimension, Intern. J. of Computer Science and Network Security, vol. 9, 2009, pp. 66-70, 2009.
• 3. Schroeder M., Fractals, Chaos, Power Laws, 6 Ed. New York: W.H. Freeman and Company, 2006.
• 4. Matlab user manual, MathWorks, 2007.
• 5. Chanwimaluang T., Fan G., Fransen S. R., Hybrid retinal image registration, IEEE Trans. Information Technology in Biomedicine, vol. 10, 2006, pp. 129-142.
• 6. Chaudhuri S., Chaterjee S., Katz N., Nelson M. , Goldbaum M., Detection of blood vessels in retinal images using 2-dimensional matched filters, IEEE Trans. Med. Imag., vol. 8, 1989, pp. 263-269.
• 7. Hoover A. Kouznetsova V.,Goldbaum M., locating blood vessels in retinal images by piece-wise threshold probing of a matched filter response, IEEE Trans Medical Imaging, vol. 19, 2000, pp. 203-210
• 8. Pal N. R., Pal S. K., Entropic thresholding, Signal Processing, vol. 16, 1989, No 1, pp. 97-108.
• 9. Soille P., Morphological Image Analysis, Principles and Applications. Springer, Berlin; 2003.
• 10. Wagner T., Texture analysis (in Jahne, B., Haussecker,H. and Geisser P.,Eds., Handbook of Computer Vision and Application). Academic Press, pp. 275-309, 1999.
• 11. Wang J.J., Liew G, Cheung N, Zhang Y.P., Hsu W., Lee M.L., Mitchell P, Tikellis G, Taylor B, Wong T.Y., The retinal vasculature as a fractal: methodology, reliability, and relationship to blood pressure, vol. 115, 2008, pp. 1951-6
• 12. http://www.parl.clemson.edu/stare/probing/.
• 13. http://www.isi.uu.nl/Research/Databases/DRIVE/