Automatic analysis of fundus eye images for detection of glaucomatous changes

• Autorzy: Stąpor K. , Pawlaczyk L. , Mazurkiewicz M. , Rzendkowski M.

Warianty tytułu

PL

Automatyczna analiza obrazów dna oka dla potrzeb diagnostyki zmian związanych z jaskrą

• Języki publikacji: EN

Abstrakty

EN

In this paper the new method for automatic classifications of fundus eye images into normal and glaucomatous ones is proposed. The new, morphological features for quantitative eye-cup evaluation are proposed based on genetic algorithms. For computation of these features the original method for automatic segmentation of the eye-cup contour is proposed. The computer features are then used in the non-parametric classification procedure. The recognition rate is 94%. The obtained results are encouraging.

PL

W prezentowanej pracy opisano nową, zaproponowana metodę umożliwiającą automatyczną klasyfikację obrazów dna oka jako prawidłowe lub jaskrowe. Zaproponowano nowe parametry dla ilościowej charakterystyki cech morfologicznych tarczy nerwu wzrokowego. W celu ich automatycznego obliczania na podstawie cyfrowych obrazów dna oka opracowana została metoda automatycznej segmentacji konturu wnęki naczyniowej na podstawie obrazów dna oka pozyskanych z funduskamery. Obliczone parametry zostały zastosowane w procedurze klasyfikacji nieparametrycznej. Zaproponowana metoda charakteryzuje się bardzo wysoką sprawnością -94%.

Słowa kluczowe

EN

image segmentation; adaptive thresholding; genetic algorithms; classification; glaucoma

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Archiwum Informatyki Teoretycznej i Stosowanej
• Rocznik: 2003
• Tom: T. 15, z. 2
• Strony: 169--184
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Stąpor K.

• Silesian Technical University, Institute of Computer Science, Akademicka 16, 44-100 Gliwice, Poland

autor

Pawlaczyk L.

• Silesian Technical University, Institute of Computer Science, Akademicka 16, 44-100 Gliwice, Poland

autor

Mazurkiewicz M.

• Silesian Technical University, Institute of Computer Science, Akademicka 16, 44-100 Gliwice, Poland

autor

Rzendkowski M.

• Opthalmology Department, Town Hospital, Gliwice

Bibliografia

• [1] J. Arabas: „Lectures on genetic algorithms”, (in Polish), WNT, Warsaw, 2001.
• [2] S. Chaudhuri, Sh. Chatterjec, N. Katz. M. Nelson, M. Goldbaum: “Detection of Blood Vessels in Retinal Images Using Two-Dimensional Matched Filter". IEEE Transactions on Medical Imaging, Vol 8, No. 3, September 1989.
• [3] H.D. Cheng at all: “Color image segmentation: advances and prospects". Pattern Recognition, Vol. 34. No 3, p. 2259-2281.2001.
• [4] P.A. Devijer. J. Kittler: “Pattern recognition: a statistical approach”. Prentice-Hall, 1982.
• [5] K. G. Goh, et al: „ADR1S: an Automatic Diabetic Retinal Image Screening system”. K. J. Cios (Ed.): Medical Data Mining and Knowledge Discovery, pp 181-210, Springer-Verlag New York, November 2000.
• [6] D. Goldberg: “Genetic algorithms in search optimization and machine learning”, Addison-Wesley, 1989.
• [7] R.C. Gonzalez, R. E. Woods: „Digital Image Processing", Prentice-Hall, 2002.
• [8] J.B. Jonas, W.M.Budde, S.Panda-Jonas: “Ophthalmoscopic evalutation of the optic nerve head”, Survey of Ophthalmology, v. 43, nr. 4, 1999.
• [9] J. Kanski et al.: „Glaucoma. A color manual of diagnosis and treatment", Butterworth-Heinemann, 1996.
• [10] J. Kanski et al.: „Clinical ophthalmology”. Butterworth-Heinemann, 1996.
• |11] D.T. Morris, C. Donnison: “Identifying the Neuroretinal Rim Boundary Using Dynamic Contours". Image and Vision Computing, v. 17. pp. 169-174, 1999.
• [12] A.Osareh, M. Mirhmedi, B. Thomas, R. Markham: “Classification and localisation of diabetic related eye diseasc”.A. Heyden et al. (Eds.): ECCV 2002. LNCS 2353, pp. 502-516. 2002
• [13] W. Siedlecki,. J. Sklansky: „On automatic feature selection”, Int. J. Pattern Recognition Artificial Intelligence, v.2, nr 2, pp 197-220, 1988.
• [14] O. Trier, A. Jain, T. Taxt: “Feature extraction methods for character recognition - a survey”, Pattern Recognition, v.29, Nr 4, pp. 641-662, 1996.