|
|
Lokalizace optického disku na snímcích sítnice
Pěchotová, Barbora ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá analýzou retinálních snímků z digitální fundus kamery, zejména vlastnostmi struktury optického disku (OD). Teoreticky popisuje základní vlastnosti lidského zrakového systému a princip vyšetření očního pozadí, jehož výstupem jsou právě zkoumané retinální snímky. V práci jsou zmíněny dostupné metody, které již byly pro lokalizaci OD použity. V druhé části je navržen automatický detektor optického disku, založený na principu genetických algoritmů s využitím segmentace cévního řečiště sítnice. Tato metoda je otestována na snímcích databáze.
|
|
|
Lokalizace optického disku na snímcích sítnice
Pěchotová, Barbora ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá analýzou retinálních snímků z digitální fundus kamery, zejména vlastnostmi struktury optického disku (OD). Teoreticky popisuje základní vlastnosti lidského zrakového systému a princip vyšetření očního pozadí, jehož výstupem jsou právě zkoumané retinální snímky. V práci jsou zmíněny dostupné metody, které již byly pro lokalizaci OD použity a je vybrána metoda pro další práci s obrazovými daty. Práce se podrobněji zabývá vybranou metodou detekce OD pomocí geometrického modelu s využitím segmentace cévního řečiště pomocí metody založené na přizpůsobené filtraci. Na originálních snímcích z dostupné databáze je otestována navržená semiautomatická metoda pro lokalizaci polohy optického disku.
|
|
|
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 snímků sítnice se zaměřením na detekci patologických oblastí
Hartlová, Marie ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Diabetická retinopatie je vážnou oční komplikací diabetu mellitus a jedním z hlavních důvodů slepoty na světě. Tato práce se zabývá hledáním neovaskularizací, které jsou prvním projevem diabetické retinopatie na sítnici. Ve stručnosti se v této práci popisují vlastnosti obrazových dat z digitální fundus kamery, metody segmentace obrazu, metody automatické segmentace cévního řečiště a detekce neovaskularizací.Tyto informace byly využity pro vytvoření vlastního programu pro detekci neovaskularizací.
|
|
|
Analýza barevných snímků sítnice se zaměřením na segmentaci cévního řečiště
Odstrčilík, Jan ; Jiřík, Radovan (oponent) ; Jan, Jiří (vedoucí práce)
Segmentace cévního řečiště představuje důležitou fázi při analýze snímků sítnice. Výsledky analýzy mohou být užitečné při diagnostice řady očních chorob a onemocnění spojených s kardiovaskulárním systémem. Metoda prezentovaná v této diplomové práci se zabývá plně automatickou segmentací cévního řečiště z barevných snímků sítnice pořízených digitální fundus kamerou pomocí přístupu přizpůsobené filtraci. Tento přístup využívá korelace mezi lokálními oblastmi v obraze, potencionálně obsahujícími segment cévy a 2D filtračními maskami, navrženými na základě typických jasových profilů, odpovídajících třem typům cév klasifikovaných podle šířky na tenké, středně široké a široké. Celkem jsou navrženy tři typy dvourozměrných filtračních masek respektujících tvar a šířku cév. Stanovením typických cévních profilů a návrhem přizpůsobených filtrů se zabývají kapitoly 3 a 4. Výsledek filtrace je prahován za účelem vytvoření hrubé binární reprezentace cévního řečiště, která je dále podrobena dalšímu zpracování v podobě doplnění chybějících úseků cév a čištění artefaktů. Metoda byla vyvíjena s pomocí reálných snímků sítnice a implementována prostřednictvím programového vybavení počítače. Byl vytvořen uživatelský program umožňující plně automatickou segmentaci cévního řečiště. Na závěr byla metoda odzkoušena a byla vyhodnocena její segmentační účinnost pomocí standardizovaných snímků z databáze DRIVE.
|
|
|
Hodnocení automatických metod segmentace cévního řečiště
Svoboda, Ondřej ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Při analýze retinálních snímků představuje segmentace cévního řečiště důležitý krok celého postupu. Výsledky analýzy mohou být použity při diagnostice onemocnění očního aparátu a onemocnění kardiovaskulárního systému. Tato práce se zabývá vytvořením databáze zlatých standardů ze snímků sítnice ve vysokém rozlišení a jejich použití při hodnocení úspěšnosti segmentace cévního řečiště automatickými metodami. Dalším cílem práce je vytvořit aplikaci, která umožní online hodnocení úspěšnosti detekce cévního řečiště pomocí automatických počítačových metod. Ve stručnosti se v této práci popisují vlastnosti obrazových dat z digitální fundus kamery, metody segmentace obrazu a metody automatické segmentace cévního řečiště. Dále jsou popsány zlaté standardy, jejich databáze a v neposlední řadě vlastnosti a důvod vzniku databáze HRF (High Resolution Fundus Images). Poslední kapitola se zabývá způsoby hodnocení úspěšnosti detekce cévního řečiště automatickými metodami a vývojem aplikace určené k tomuto hodnocení.
|
|
|
Lokalizace optického disku na snímcích sítnice
Pěchotová, Barbora ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá analýzou retinálních snímků z digitální fundus kamery, zejména vlastnostmi struktury optického disku (OD). Teoreticky popisuje základní vlastnosti lidského zrakového systému a princip vyšetření očního pozadí, jehož výstupem jsou právě zkoumané retinální snímky. V práci jsou zmíněny dostupné metody, které již byly pro lokalizaci OD použity a je vybrána metoda pro další práci s obrazovými daty. Práce se podrobněji zabývá vybranou metodou detekce OD pomocí geometrického modelu s využitím segmentace cévního řečiště pomocí metody založené na přizpůsobené filtraci. Na originálních snímcích z dostupné databáze je otestována navržená semiautomatická metoda pro lokalizaci polohy optického disku.
|
|
|
Analýza snímků sítnice se zaměřením na detekci patologických oblastí
Hartlová, Marie ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Diabetická retinopatie je vážnou oční komplikací diabetu mellitus a jedním z hlavních důvodů slepoty na světě. Tato práce se zabývá hledáním neovaskularizací, které jsou prvním projevem diabetické retinopatie na sítnici. Ve stručnosti se v této práci popisují vlastnosti obrazových dat z digitální fundus kamery, metody segmentace obrazu, metody automatické segmentace cévního řečiště a detekce neovaskularizací.Tyto informace byly využity pro vytvoření vlastního programu pro detekci neovaskularizací.
|
|
|
Hodnocení automatických metod segmentace cévního řečiště
Svoboda, Ondřej ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Při analýze retinálních snímků představuje segmentace cévního řečiště důležitý krok celého postupu. Výsledky analýzy mohou být použity při diagnostice onemocnění očního aparátu a onemocnění kardiovaskulárního systému. Tato práce se zabývá vytvořením databáze zlatých standardů ze snímků sítnice ve vysokém rozlišení a jejich použití při hodnocení úspěšnosti segmentace cévního řečiště automatickými metodami. Dalším cílem práce je vytvořit aplikaci, která umožní online hodnocení úspěšnosti detekce cévního řečiště pomocí automatických počítačových metod. Ve stručnosti se v této práci popisují vlastnosti obrazových dat z digitální fundus kamery, metody segmentace obrazu a metody automatické segmentace cévního řečiště. Dále jsou popsány zlaté standardy, jejich databáze a v neposlední řadě vlastnosti a důvod vzniku databáze HRF (High Resolution Fundus Images). Poslední kapitola se zabývá způsoby hodnocení úspěšnosti detekce cévního řečiště automatickými metodami a vývojem aplikace určené k tomuto hodnocení.
|
|
|
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.
|
host ::
RSS.