Iteracinis optimizavimu pagrįsto akies dugno kraujagyslių trasavimo metodo variantas
Duomenų analizė ir vaizdavimas
Martynas Patašius
Vaidotas Marozas
Darius Jegelevičius
Arūnas Lukoševičius
Published 2009-01-01
https://doi.org/10.15388/Im.2009.0.3212
347-351.pdf (Lithuanian)

How to Cite

Patašius, M., Marozas, V., Jegelevičius, D., & Lukoševičius, A. (2009). Iteracinis optimizavimu pagrįsto akies dugno kraujagyslių trasavimo metodo variantas. Information & Media, 50, 347-351. https://doi.org/10.15388/Im.2009.0.3212

Abstract

Akies dugne matomos smulkios žmogaus kraujagyslės. Iš jų pakitimų galima diagnozuoti įvairias sisteminių ligų komplikacijas. Dėl to daug dėmesio skiriama automatiniams kraujagyslių stebėjimo akies dugno vaizduose algoritmams. Daugelis esamų kraujagyslių trasavimo metodų pradeda trasavimą arba nuo daugelio automatiškai rastų taškų, arba nuo vartotojo interaktyviai pažymėtų taškų. Šiame darbe buvo siekiama plačiau išnagrinėti galimybę pradėti trasavimą nuo vieno automatiškai gauto
taško, kurio priklausymo kraujagyslei tikimybė labai didelė. Naudojant straipsnyje aprašytą algoritmą trasavimas pradedamas randant pradinį tašką pagal skirtumo tarp skaitmeninio vaizdo raudono ir žalio RGB komponentų reikšmes. Kraujagyslės trasuojamos keliomis kryptimis nuo pradinio taško. Tolesni kraujagyslės taškai randami ieškant didžiausios tikslo funkcijos reikšmės. Tyrimas leido įsitikinti, kad pradedant kraujagyslių trasavimą nuo vieno taško, galima pasiekti kokybę, palyginamą su kitų kraujagyslių radimo metodų kokybe.

Iterative Variant of the Optimisation-Based Eye Fundus Blood Vessel Tracking Method
Martynas Patašius, Vaidotas Marozas, Darius Jegelevičius, Arūnas Lukoševičius

Summary
Eye fundus is the place where human microvasculature can be observed directly. The vascular changes that can be detected there make it possible to diagnose complications of various systemic diseases. Thus a lot of attention is paid to blood vessel detection in eye fundus images. Most of the currently used blood vessels tracking methods start the tracking either from a set of automatically generated seed points, or from the manually marked seed points. In this study, we tried to explore the possibility to start the tracing from one point that belongs to the blood vessel with a high probability. Using the method described here blood vessel tracking starts from fi nding a seed point according to the difference of red and green RGB components. The next points of the blood vessel are found by searching for the maximal values of the goal function. The study has corroborated that it is possible to achieve a blood vessel detection quality comparable to the quality achieved by other blood vessel detection methods by starting blood vessel tracking from a single point according to the described method.

347-351.pdf (Lithuanian)

Downloads

Download data is not yet available.

Most read articles by the same author(s)