Uzamsal görüntü filtreleme ile yapay sinir ağı tabanlı retina damar bölütlenmesinin iyileştirilmesi
Küçük Resim Yok
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Trakya Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Retinografi, göz bozukluklarının tespitine yardımcı olan ve klinik tanıda sıklıkla kullanılan bir görüntüleme tekniğidir. Düşük zıtlık seviyesi ve/veya gürültü, retina fundus görüntülerini bozabilir. Bunun gibi etkenler, uzmanların retina görüntülerinde hastalıkları tespit etmesini ve hastalığı sınıflandırmasını zorlaştırır. Bu çalışmada, renkli fundus görüntülerinde retina damar örüntüsü segmentasyonu için hibrit bir yaklaşım önerilmektedir. Retina damar segmentasyonu için derin öğrenme U-Net mimarisi kullanılacaktır. Ayrıca, derin öğrenme U-Net mimarisinin başarısını arttırmak amacıyla eğitim fundus görüntü kümesi denetimsiz bir şekilde ön işlemden geçirilecek ve paralel kanal olarak derin öğrenme ağı beslenecektir. Ön işleme adımları sırasıyla; kırmızı-yeşil-mavi kanal ayrılması, gri dönüşüm, medyan filtreleme, Wiener filtreleme, kontrast sınırlı adaptif histogram eşitleme (KSAHE), matematiksel morfoloji işlemleri, Coye filtreleme ve bağlantılı bileşen analizi ve veri kümesi genişletme aşamalarından oluşmuştur. Önerilen denetimsiz ön işleme tabanlı yaklaşım, derin öğrenme U-Net modelinin eğitim süresini de anlamlı olarak düşürmüştür. Önerilen yaklaşım, araştırmacıların erişimine açık DRIVE ve HRF veri kümelerinde test edilmiştir.
Retinography is a frequently used imaging technique that aids in clinical diagnosis of eye disorders. Low contrast and being exposed to noise are the primary factors in degraded retinal fundus images. These factors make it challenging for medical experts to diagnose and classify diseases in retinal images. This work proposes a hybrid approach for retinal vessel tree segmentation in color fundus images. We propose to use a deep convolutional neural network for the segmentation of retinal vessels. In addition, the training fundus images were be pre-processed in an unsupervised way for the purpose of increasing success of the deep U-Net architecture and fed into network as parallel channels. Preprocessing steps include the following stages; seperation of RGB channel, gray scale conversion, median filtering, CLAHE, mathematical morphology operations, Coye filtering, connected component analysis and data augmentation. The proposed approach was tested on publicly accessible DRIVE and HRF datasets.
Retinography is a frequently used imaging technique that aids in clinical diagnosis of eye disorders. Low contrast and being exposed to noise are the primary factors in degraded retinal fundus images. These factors make it challenging for medical experts to diagnose and classify diseases in retinal images. This work proposes a hybrid approach for retinal vessel tree segmentation in color fundus images. We propose to use a deep convolutional neural network for the segmentation of retinal vessels. In addition, the training fundus images were be pre-processed in an unsupervised way for the purpose of increasing success of the deep U-Net architecture and fed into network as parallel channels. Preprocessing steps include the following stages; seperation of RGB channel, gray scale conversion, median filtering, CLAHE, mathematical morphology operations, Coye filtering, connected component analysis and data augmentation. The proposed approach was tested on publicly accessible DRIVE and HRF datasets.
Açıklama
Yüksek Lisans
Anahtar Kelimeler
Mühendislik Bilimleri, Engineering Sciences
