KaydedilenlerDerginizi ekleyin

Dergiler / Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi / 2022 / Cilt: 11 - Sayı: 1

Retina kan damarlarını çıkarmak için eşikleme temelli morfolojik bir yöntem

A threshold-based morphological method for extraction blood vessels from retina

Buket TOPTAŞ
DAVUT HANBAY
Sayfa
10–16
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Deneysel sonuçlar, önerilen yöntemin doğru bir şekilde tespit edebildiğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda, diyabete bağlı retina hastalığı körlüğün önde gelen nedenlerinden biri haline gelmiştir.
📊
Temel Bulgular & Veri:Morfolojik işlemlerin uygulandığı fundus görüntüsüne üç farklı eşikleme yöntemi uygulanmıştır.
💡
Sonuç & Katkı:Deneysel sonuçlar, önerilen yöntemin doğru bir şekilde tespit edebildiğini göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Retina · Fundus · Eşikleme Yöntemleri

Özet

Son yıllarda, diyabete bağlı retina hastalığı körlüğün önde gelen nedenlerinden biri haline gelmiştir. Bu hastalığın önüne geçebilmek için retina ağ yapısının doğru bölütlenmesi gerekir. Retina ağ yapısının doğru ve hızlı bölütlenmesi için bilgisayar destekli tanı sistemlerine ihtiyaç duyulur. Bu makalede, renkli retina fundus görüntüsü üzerinde retina damarlarını otomatik olarak bölütleyen bir yöntem önerilmiştir. Retina damar ağ yapısını bölütlemek için morfolojik işlemlere dayalı bir yöntem retina görüntüleri üzerine uygulanmıştır. Morfolojik işlemlerin uygulandığı fundus görüntüsüne üç farklı eşikleme yöntemi uygulanmıştır. Bu eşikleme yöntemleri; Çoklu Eşikleme, Maksimum Entropi Tabanlı Eşikleme ve Bulanık Kümeleme Tabanlı Eşikleme yöntemleridir. Eşikleme sonucunda bölütlenmiş damar görüntüleri elde edilmiştir. Bu makalede amaç farklı eşikleme algoritmalarının aynı görüntüler üzerindeki performans karşılaştırmasını sağlamaktır. Uygulanan yöntem, herkese açık olarak sunulan retina görüntü veri seti üzerinde doğrulanmıştır. Deneysel sonuçlar, önerilen yöntemin doğru bir şekilde tespit edebildiğini göstermektedir. Eşikleme algoritmalarının 40 görüntüden oluşan veri seti üzerindeki doğruluk oranı Bulanık Mantık Tabanlı Eşikleme için 0.952, Maksimum Entopi Tabanlı Eşikleme için 0.950 ve Çoklu Eşikleme için 0.925 olarak hesaplanmıştır.

Abstract

In recent years, the diabetes-related retinal disease has become one of the leading causes of blindness. In order to prevent this disease, the retinal network structure needs to be segmented correctly. Computer-aided diagnostic systems are required for accurate and fast segmentation of the retinal network structure. In this paper, a method is proposed to segments retinal vessels automatically in the color retinal fundus image. A method based on morphological procedures to segmentation of vessels has been applied on retinal images. Three different thresholding methods were applied to the fundus image obtained as a result of morphological processes. These thresholding methods are; Multiple Thresholding, Maximum Entropy Based Thresholding and Fuzzy Cluster Based Thresholding methods. As a result of thresholding, segmented vessel images were obtained. The aim of this paper is to show the performance comparison of different thresholding algorithms on the same images. The method applied has been validated on the retinal image data set that is publicly available. The experimental results show that the proposed method can accurately detect. The accuracy ratio of the thresholding algorithms on the data set consisting of 40 images was calculated as 0.952 for Fuzzy Logic Based Threshold, 0.950 for Maximum Entopy Based Threshold and 0.925 for Multiple Threshold.

🔖

Bu Makaleye Atıf Yap

TOPTAŞ, B., HANBAY, D. (2022). Retina kan damarlarını çıkarmak için eşikleme temelli morfolojik bir yöntem. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 11 - Sayı: 1, 10–16. https://ajindex.com/articles/413514

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (1)

  1. J. Staal, M. D. Abràmoff, M. Niemeijer, M. A. Viergever, and B. Van Ginneken, “Ridge-based vessel segmentation in color images of the retina,” IEEE Trans. Med. Imaging, vol. 23, no. 4, pp. 501–509, 2004, doi: 10.1109/TMI.2004.825627. J. V. B. Soares, J. J. G. Leandro, R. M. Cesar, H. F. Jelinek, and M. J. Cree, “Retinal vessel segmentation using the 2-D Gabor wavelet and supervised classification,” IEEE Trans. Med. Imaging, vol. 25, no. 9, pp. 1214–1222, Sep. 2006, doi:10.1109/ TMI.2006.879967. U. T. V. Nguyen, A. Bhuiyan, L. A. F. Park, and K. Ramamohanarao, “An effective retinal blood vessel segmentation method using multi-scale line detection,” Pattern Recognit., vol. 46, no. 3, pp. 703–715, 2013, doi: 10.1016/j.patcog.2012.08.009. C. A. Lupaşcu, D. Tegolo, and E. Trucco, “FABC: Retinal vessel segmentation using AdaBoost,” IEEE Trans. Inf. Technol. Biomed., vol. 14, no. 5, pp. 1267–1274, 2010, doi: 10.1109/TITB.2010.2052282. M. Niemeijer, J. Staal, B. Van Ginneken, M. Loog, and M. Abramoff, “Comparative study of retinal vessel segmentation methods,” in 2015 IEEE International Conference on Computational Intelligence and Computing Research, ICCIC 2015, 2004, pp. 9–18. D. Marín, A. Aquino, M. E. Gegúndez-Arias, and J. M. Bravo, “A new supervised method for blood vessel segmentation in retinal images by using gray-level and moment invariants-based features,” IEEE Trans. Med. Imaging, vol. 30, no. 1, pp. 146–158, 2011, doi: 10.1109/TMI.2010.2064333. M. M. Fraz et al., “Blood vessel segmentation methodologies in retinal images - A survey,” Comput. Methods Programs Biomed., vol. 108, no. 1, pp. 407–433, 2012, doi: 10.1016/j.cmpb.2012.03.009. E. Ricci and R. Perfetti, “Retinal blood vessel segmentation using line operators and support vector classification,” IEEE Trans. Med. Imaging, vol. 26, no. 10, pp. 1357–1365, 2007, doi:10.1109/TMI.2007. 898551. B. Toptaş and D. Hanbay, “Retinal blood vessel segmentation using pixel-based feature vector,” Biomed. Signal Process. Control, vol. 70, 2021, doi: https://doi.org/10.1016/j.bspc.2021.103053. A. M. Mendonça and A. Campilho, “Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction,” IEEE Trans. Med. Imaging, vol. 25, no. 9, pp. 1200–1213, 2006, doi: 10.1109/TMI.2006.879955. M. M. Fraz et al., “An approach to localize the retinal blood vessels using bit planes and centerline detection,” Comput. Methods Programs Biomed., vol. 108, no. 2, pp. 600–616, 2012, do