自动提取血管和渗出液对糖尿病性视网膜病变检测分割

D Gowrishankar¹G Ramprabu²E Bharathi³的案件中,R⁴S Thulasi⁵

助理教授、ECE部门、新王子先生Bhavani Engg学院。&技术。印度钦奈
助理教授、ECE部门、新王子先生Bhavani Engg学院。&技术。印度钦奈
ECE、新王子先生Bhavani Engg学院。&技术。印度钦奈
ECE、新王子先生Bhavani Engg学院。&技术。印度钦奈
ECE、新王子先生Bhavani Engg学院。&技术。印度钦奈

文摘

糖尿病视网膜病变是糖尿病患者失明的首要原因之一影响病人。它是由光引起的敏感组织由于受损的血管在视网膜上。脂蛋白被泄露出的物质的血管受损,沉积在视网膜内的部分。光学物质中断下的神经兴奋的光线,未能产生任何大脑和神经冲动导致视力丧失部分。分泌物是一种脂蛋白substancein视网膜区域,颜色是黄色的。视网膜病疾病的重要症状。最后阶段的检测视网膜病变导致视力丧失完全凭目测,很难检测渗出液。在本文中,不同的图像处理方法,包括图像的阈值,中值滤波,形态学过程。通过计算的数量影响细胞在视网膜上通过选择感兴趣的区域,这表明视网膜病变的发生疾病。

关键字

视网膜、阈值、细胞计数、图像处理技术。

介绍

图像处理是一个过程使用许多图像的图像处理方法。数字图像可以表示为一个组合的采集、编码、和编辑。图像所产生各种物理设备照片相机和视频、雷达、电子显微镜、x射线和超声波。他们是widelyuse对于许多应用程序,包括医疗业务和娱乐、军事、工业、安全、和科学。手动检测视网膜影响地区的眼科医生是消费的时候了。在印度这样的发展中国家,受过很好训练的眼科医生与其他领域相比。糖尿病视网膜病变是糖尿病最严重的并发症之一。pre-dominantly导致失明。

二世。提出的方法

他们已经测试了一组视网膜图像。为分析、数据库收集的视网膜上的图像。该算法基于血管的结构和光学磁盘上的信息。它帮助眼科医生发现该地区影响细胞检测糖尿病性视网膜病变的疾病。

三世。项目范围

视网膜图像分析是一个困难的任务在医学图像加工。脂蛋白的物质泄露出受损的血管,沉积在视网膜内的部分。下的神经物质中断被光线兴奋和未能产生任何神经冲动大脑自动导致视力丧失部分。目视检查很难发现,因为小内径的视网膜。它帮助眼科医生找到影响细胞的数量在该地区的利益。

第四,原纸的解释

主要目标是提出一个新的计算简单和自动的方法提取感兴趣的区域,影响细胞的数量是观察视网膜血管。它显示了视网膜病变患者的严重阶段。他们构成了几个基本的图像处理技术由形态学操作,即边缘增强图像阈值、标准模板、噪声去除、图像和分类的对象。

诉的功能

科学的光学相机和人眼进行了比较。物体的反射光是针对视网膜后通过角膜、瞳孔和镜头,这类似于光通过镜头光学薄膜。接收到的信息接收的感光细胞,细节通过视神经传入大脑区域的视网膜,感觉在哪里生产。在传播过程中,信息处理在视网膜层。的眼睛和结构出现在图像的形成。相机中有三个特性类似于眼睛的功能:光圈镜头、相机传感器。有一个透明的角膜,人类的眼睛。彩色虹膜intiaties光线进入眼睛瞳孔的大小不同。学生的存在是允许的最大数量的光在黑暗中进入地区,和明亮的地区学生保护眼睛接收的光量过多。

七世。糖尿病性视网膜病变

糖尿病视网膜病变是糖尿病的微血管并发症,导致异常视网膜的一部分。基本上,没有早期的症状在早期阶段,但严重程度和数量增加为主。

糖尿病性视网膜病变通常开始小视网膜毛细血管的变化。最小可检测异常,微动脉瘤(MA),表现为红点在视网膜上。由于毛细血管损伤,血管在视网膜上可能损坏并导致地区内的出血(HA)。在视网膜出血可能会出现小红点不同于微动脉瘤或更大的圆形墨迹显示不规则轮廓。

进一步增加毛细血管壁的通透性往往努力视网膜水肿,分泌物(他)。硬分泌物形成的脂质泄露unstrengthen血管和出现黄色的色彩和清晰的边界。当当地氧气和毛细管支持阻塞血管,失败,因为该地区显示苍白模糊边缘出现在视网膜的一部分。他们是小微梗死称为软渗出液(SE)。地区内的微血管异常(厄玛)和venopathy是糖尿病性视网膜病变的症状严重的阶段,在地区内的微血管异常可视化毛细管系统的扩张和venopathy形状变化的静脉和动脉。这些新血管的生长被称为neovascularisation。黄斑病变可能发生在任何阶段的糖尿病性视网膜病变,它更有可能在疾病的更高级的阶段。在最后阶段,它可以导致无增生性视网膜病变视网膜中央窝。见图。

七世。灰度处理

灰度图像不同于一比特bi-tonal黑白图像,在计算机成像,图像的参考,只有两种颜色,黑色和白色(双层的)。他们有各种深浅的灰色。

八世。形态学处理

形态学图像处理的过程是基于形状和对象的形式。形态学方法元素的结构应用到一个图像输入,创建一个输出的图像的大小相同。输入图像的像素值是基于比较相应的输入图像的像素。通过选择邻居的形状和大小,它将创建一个形态学操作对输入图像中的特定形状很敏感。形态学操作可以定义在源图像灰度的图像是一个频道。这个概念可以扩展到全色图像。他们接受m行动包括膨胀、关闭、打开和侵蚀。这些操作的组合用于图像的性能分析。有很多有用的运营商形态数学运算中定义。他们是扩张,侵蚀,打开和关闭。它构建元素适用于一个输入图像,创建一个图像的输出是相同的大小。

第九。实验结果

x的结论

它给出了常见的视网膜图像分割算法分析. .视网膜图像的分割使用形态从血管过滤器。它揭示了船只的出现是高度敏感的灰度图像中只包含的波长绿色。因此,船舶是只使用RGB彩色图像分割的绿色通道。形态滤波器,其应用的领域和自动目标检测和机器是导致检测和增强视网膜图像增强。它给一个更好的结果。形态学操作包括膨胀、腐蚀、开启和关闭。扩张是形态学操作增加对象的过程在一个二进制图像。结果表明,该算法可用于检测的影响细胞在视网膜发生视网膜病变的疾病可以被探测到。

引用

Diptoneel Kayal Sreeparna Banerjee,“基于动态阈值的新技术检测硬渗出液在数字视网膜眼底图像,“2014年国际会议上信号处理和集成网络(旋转),页133 - 162,
m·乌斯曼Akram Ibaa贾马尔,安南塔里克和Junaid Imtiaz“自动分割检测血管增生性糖尿病性视网膜病变”中国IEEE-EMBS国际研讨会论文集,2013年1月2 - 7日
Doaa优素福,Nahed Solouma, Amr El-dib梅Mabrouk, Abo-Bakr约瑟夫“新特征检测彩色眼底图像的血管和渗出液”在IEEE 2012图像处理理论
A . Kumar“基于段的技术检测分泌物从视网膜眼底图像”,国际期刊《计算机科学与工程技术的2月,2013年1月2 - 7日
穆赫塔尔Bizrah史蒂夫·C Dakin李Guo1 Farzana拉赫曼”标签的自动化技术和apoptosing视网膜细胞计数,“Bizrahetal。BMCBioinformatics2014, 15:169 http://www.biomedcentral.com/1471-2105/15/169
Jaspreet考尔,博士。惠普Sinha”自动检测糖尿病性视网膜病变的眼底图像分析,“Kaur Jaspreet et al / (IJCSIT)国际计算机科学与信息技术杂志,3(4)卷,2012年,4794 - 4799
Sharath t·钱德拉塞卡Gomata l·瓦拉纳西的编码在医学图像使用Diagnosticallsignificant Bitplanes,“2011年Proc。18 IEEE Int。Conf。图像处理(ICIP), 2011年9月,页1929 - 1932。
Nasrul Humaimi马哈茂德和穆罕默德Asraf Mansor”红细胞估计利用霍夫变换技术,“信号与图像处理:国际期刊(SIPIJ)第三卷,第二,2012年4月
沙佛,G。:一个数学理论的证据。普林斯顿大学出版社,新泽西州普林斯顿(1976)
苏密特Chourasiya G Usha王妃,“自动红细胞计数使用分水岭分割,“苏密特Chourasiya et al, / (IJCSIT)国际计算机科学和信息技术杂志》5卷(4),2014年,4834 - 4838
z, c .赵c . Liu y Cheng”基于人类视觉感知的图像阈值方法”,2009年,IEEE。
d . Kayal s Banerjee”,使用标准化的方法来检测硬渗出液减少视网膜眼底图像分割技术在数字图像”,第一次国际会议上信号处理图像处理和模式识别,2012年,印度新德里