|
|
Detekce optického disku ve snímcích z experimentální fundus kamery
Daněk, Daniel ; Štohanzlová, Petra (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá analýzou snímků z experimentální fundus kamery, zejména vlastnostmi struktury optického disku. Popisuje základní vlastnosti lidského oka a principy vyšetření, zejména pak vyšetření digitální fundus kamerou. V práci jsou představeny některé dostupné metody analýzy a segmentace fundus fotografií. Hlavní náplní práce je Houghova transformace a hranová detekce pro lokalizaci polohy optického disku. V praktické části práce byl vytvořen algoritmus využívající Houghovy transformace. Tento algoritmus byl otestován na dostupných fundus snímcích.
|
|
|
Extrakce texturních příznaků pro účely detekce glaukomového poškození
Daněk, Daniel ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato bakalářská práce se zabývá automatickou analýzou fundus snímků sítnice pomocí texturní analýzy využívající Markovská náhodná pole. Cílem práce je nalézt vhodné texturní parametry, které by bylo možné využít pro klasifikaci stupně poškození vrstvy nervových vláken. Uvažovaný model Markovských náhodných polí využívá cirkulárně symetrické okolí pro popis analyzované textury a odhad parametrů modelu pomocí metody nejmenších čtverců. Získané texturní příznaky byly kvantitativně vyhodnoceny pomocí základní korelační analýzy s využitím dat z optické koherentní tomografie (OCT). Výsledky ukazují, že existuje korelace mezi navrženými příznaky a tloušťkou vrstvy nervových vláken, měřenou pomocí OCT. Příznaky lze tedy v budoucnu potencionálně využít pro diagnostiku glaukomu.
|
|
|
Detekce polohy optického disku ve snímcích sítnice
Jalůvková, Lenka ; Odstrčilík, Jan (oponent) ; Kolář, Radim (vedoucí práce)
Bakalářská práce práce je zaměřena na detekci optického disku ve snímcích sítnice s cílem implementovat a porovnat různé metody. Jedná se o Gaussovu filtraci, přizpůsobenou filtraci a detekci s využitím informací o směru cév. Pro testování byla použita databáze retinálních snímků DIARETDB1. Nejlepší výsledky poskytovala Gaussova filtrace a detekce pomocí směru cév, které dosahovaly úspěšnosti 81%. Výsledky jednotlivých algoritmů jsou podrobněji popsány a porovnány v této práci.
|
|
|
Detekce měkkých a tvrdých exudátů ve snímcích sítnice
Válková, Hana ; Lamoš, Martin (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce se zabývá automatizovanou detekcí měkkých a tvrdých exudátů ve snímcích sítnice lidského oka. Práce v úvodu popisuje problematiku diabetu v souvislosti s poškozením sítnice oka. Především je popsána diabetická retinopatie, její projevy a postup onemocnění. Další část je věnována popisu volně přístupné databáze DIARETDB1, která obsahuje mimo jiné sadu snímků s různým stupněm onemocnění, hodnocení snímků od expertů a vyhodnocovací protokol. V další části pojednává o několika metodách automatické detekce tvrdých a měkkých exudátů. Praktická část bakalářské práce je zaměřena na vytvoření metody pro detekci exudátů. Metoda sestává z předzpracování, byla realizována vybraná metoda pro adaptivní transformaci kontrastu. Dále obsahuje popis zvolené metodiky prahování, výběr příznaků na základě intenzity lézí a jejich okolí, použití klasifikátoru Ho Kashyap s následnou klasifikaci lézí v obrazech. Závěrem je provedeno zhodnocení realizované metody.
|
|
|
Analýza oftalmologických dat z pohledu diagnostiky glaukomu
Vodáková, Martina ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Bakalářská práce je zaměřena na texturní analýzu snímků sítnice s vysokým rozlišením s cílem subjektivně a kvantitativně popsat vlastnosti textury tvořené vrstvou nervových vláken. Na každém snímku byla předdefinována oblast zájmu v podobě deseti sektorů. V každém sektoru byla sledována korelace mezi subjektivním a kvantitatvním hodnocením textury. Výsledky ukazují, že navrhované základní příznaky jsou úzce spojeny s texturními vlastnostmi získanými z vizuálního vzhledu vrstvy nervových vláken. Poslední krok popisuje porovnání výsledků hodnocení textury vrstvy nervových vláken s kvantitativně změřenou tloušťkou vrstvy nervových vláken z dat optické koherentní tomografie.
|
|
|
Pokročilé metody segmentace cévního řečiště na fotografiích sítnice
Svoboda, Ondřej ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Segmentace cévního řečiště je častým krokem při zpracování retinálních obrazů. V dnešní době existuje řada automatických metod segmentace cévního řečiště. Tyto metody jsou založeny na mnoha přístupech. Od přizpůsobené filtrace, přes metody využívající rozpoznávání vzorů, až po algoritmy využívající klasifikace obrazu. Použití automatických metod při zpracování retinálních snímků výrazně urychluje a zjednodušuje diagnostiku retinálních onemocnění. Při zpracování automatickými segmentačními algoritmy je jednou ze stěžejních částí prahování obrazu, a právě prahování fundus snímků se věnuje tato práce. Je zde popsána řada prací využívajících globální a lokální prahovací metody, a zejména metody klasifikace obrazu pro segmentaci cévního řečiště ze snímků sítnice. Následně byla na výsledky dvou metod segmentace cévního řečiště použita metoda klasifikace obrazu s učením. Z dosažených výsledků byla posléze stanovena schopnost daných metod segmentovat cévní řečiště. Použitím klasifikace obrazu namísto globálního prahování došlo u první metody na zdravé části databáze k poklesu sensitivity na 63,32 % a přesnosti na 94,99 %. Naopak u specificity byl zaznamenán nárůst na 95,75 %. U druhé metody bylo dosaženo sensitivity 69,24 %, specificity 98,86 % a přesnosti 95,29 %. Kombinací výsledků obou metod bylo dosaženo sensitivity 72,48 %, specificity 98,59 % a výsledné přesnosti 95,75 %. Tímto nebyl s použitím daného klasifikátoru potvrzen předpoklad, že klasifikace obrazu s učením je oproti prostému prahování efektivnější. Zároveň bylo však prokázáno, že rozšíření příznakového vektoru kombinací výsledků z obou metod došlo k nárůstu sensitivity, specificity i přesnosti.
|
|
|
Analýza vrstvy nervových vláken pro účely diagnostiky glaukomu
Vodáková, Martina ; Malínský, Miloš (oponent) ; Odstrčilík, Jan (vedoucí práce)
Diplomová práce je zaměřena na vytvoření metodiky kvantifikace vrstvy nervových vláken na fotografiích sítnice. V úvodní části textu je stručně nastíněna medicínská motivace práce včetně zmínky o některých studiích věnujících se dané problematice. Dále text popisuje uvažované texturní příznaky včetně jejich porovnání dle schopnosti kvantifikovat tloušťku vrstvy nervových vláken. Na základě popsaných poznatků byla navržena metodika využití regresních modelů za účelem predikce tloušťky nervových vláken, která byla dále testována na dostupných obrazových datech. Výsledky ukazují, že výstupy regresních modelů dosahují vysoké korelace mezi výstupem predikce a tloušťkou vrstvy nervových vláken měřenou optickou koherentní tomografií. Závěr práce diskutuje využitelnost aplikovaného řešení.
|
host ::
RSS.