Original title: Klasifikace arteriálního a žilního řečiště v obrazových datech sítnice
Translated title: Classification of arteries and veins in retinal image data
Authors: Černohorská, Lucie ; Jakubíček, Roman (referee) ; Kolář, Radim (advisor)
Document type: Master’s theses
Year: 2020
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato práce je zaměřena na klasifikaci arteriálního a žilního řečiště v obrazových datech sítnice. Je zde popsána anatomie oka se zaměřením na cévní zásobení a dále jsou stručně uvedeny zobrazovací a diagnostické metody sítnice. V práci jsou zmíněny metody pro klasifikaci cévního řečiště s důrazem na hluboké učení. Praktická část probíhala v programovacím jazyku Python, kdy byla nejdříve předzpracována retinální sada dat spolu s výpočtem AV poměru. Na základě literární rešerše byla pro klasifikaci cévního řečiště zvolena architektura U-net, která byla modifikována pomocí open-source knihovny Keras. Trénování sítě probíhalo na datasetu získaném pomocí experimentálního video-oftalmoskopu, který poskytuje šedotónové snímky. Modifikovaná architektura byla nejdříve využita pro klasifikaci cév do jednotlivých tříd, a z důvodů neuspokojivých výsledků byla dále implementována na segmentaci retinálního řečiště jako celku či zvlášť na žíly a tepny. This master's thesis deals with the classification of the retinal blood vessels in retinal image data. The thesis contains a description of anatomy of the human eye with focus on the blood circulation, and imaging and diagnostic methods of the retina are briefly mentioned further. The thesis also summarizes methods of the blood circulation classification with emphasis on the deep learning. The practical section was implemented in Python programming language and describes the pre-processing of the data with determination of AV ratio. Based on a literature search, the U-net architecture was chosen for the classification of the retinal blood vessels. The architecture was modified using the open-source Keras library and tested on images from the experimental video-ophthalmoscope. The modified architecture was initially used for classification of vessels into the corresponding classes and because of unsatisfying results was modified another architecture segmenting retinal vessels, arteries or veins and a proposition of a method of the blood vessels classification.
Keywords: blood vessels of retina; classification; deep learning; Keras; Retina; Tensorflow; cévní řečiště sítnice; hluboké učení; Keras; klasifikace; Sítnice; Tensorflow

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/189150

Permalink: http://www.nusl.cz/ntk/nusl-587472


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses