Original title:
Detekce onemocnění způsobených diabetem na snímcích sítnice
Translated title:
Detection of Diseases Caused by Diabetes in Retinal Images
Authors:
Zapletal, Michal ; Semerád, Lukáš (referee) ; Kavetskyi, Andrii (advisor) Document type: Bachelor's theses
Year:
2024
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[cze][eng]
Cílem této práce je návrh a implementace algoritmu na detekci exsudátů a mikroaneurysmat na barevných snímcích sítnice. Tato onemocnění jsou prvními projevy diabetické retinopatie a včasné diagnostikování je stěžejní. Navržený algoritmus začíná předzpracováním, kde je odstraněno přebytečné pozadí, zvýšen kontrast pomocí CLAHE a histogram stretching a filtrování šumu. Lokalizace optického disku je založena na iterativním odstranění pozadí a řádkových a sloupcových rozptylech. Detekce exsudátů probíhá na základě gamma korekce, prahování a odstranění optického disku. Detekce mikroaneurysmat je založena na morfologických operacích, hit-or-miss transformaci a principal component analysis (PCA). Testováno bylo celkem na 4 datových sadách s přesností 73,1 % pro exsudáty a 73,3 % pro mikroaneurysmata. Výsledný program by mohl pomoci k automatické detekci onemocnění, které by mohlo ušetřit samotným lékařům čas.
The goal of this thesis is to design and implement an algorithm for detecting exudates and microaneurysms in colored retinal images. These diseases are the first signs of diabetic retinopathy and early detection is crucial. The proposed algorithm begins with preprocessing, where excess background is removed, contrast is enhanced using CLAHE and histogram stretching, and noise filtering is applied. Optic disc localization is based on iterative background removal and row and column variances. Exudates detection is performed based on gamma correction, thresholding and optic disc removal. Microaneurysm detection is based on morphological operations, hit-or-miss transformation and principal component analysis (PCA). The algorithm was tested on 4 datasets with accuracy 73,1 % for exudates and 73,3 % for microaneurysms. The resulting program could assist in automatic disease detection, which could potentially save time for doctors.
Keywords:
cotton-wool spots; detection of retinal pathologies; exudates; hard exudates; image processing; microaneurysms; optical disc; python; retina; soft exudates; detekce patologií sítnice; exsudáty; mikroaneurysmata; měkké exsudáty; optický disk; python; sítnice; tvrdé exsdutáy; vatovitá ložiska; zpracování obrazu
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: https://hdl.handle.net/11012/246594