kur M ir N – vaizdo matmenys (Grisan ir Ruggeri, 2008). Kiekvienampikseliui priskiriamas x s , laikomas viena iš atsitiktinio dydžio X realizacijų, kuriosreikšmių aibė – sveikieji skaičiai tarp 1 ir L (Grisan ir Ruggeri, 2008). Be to,kiekvienas pikselis nusakomas savybėmis f(s), kurios yra atsitiktinio dydžio Frealizacija, ir segmentuojant vaizdą priskiriamas segmentui y(s), kuris yra atsitiktiniodydžio Y realizacija. Taikant šį metodą akies dugno defektams rasti, savybės f(s)nusakomos atsaku į skirtingus Gaboro filtrus (Grisan ir Ruggeri, 2008). Tadaieškoma optimalaus segmentavimo, kuris maksimizuotų sąlyginę tikimybę, kadsegmentavimas yra teisingas, žinant savybes:yˆ arg max P Y y | F f . (25)yKitu atveju vaizdo atsakas į 14 Gaboro filtrų buvo klasifikuojamas, naudojantkNN klasifikatorių (Sánchez et al., 2009). Taip gautam tikimybių žemėlapiui buvotaikomas slenkstis, gaunant kandidatinius pažeidimų plotus. Iš jų pašalinami visiplotai, patenkantys į regos nervo diską (Sánchez et al., 2009). Tolesniamapdorojimui naudotas tiesinis klasifikatorius, skirstantis dėmes į keturias kategorijas(kietieji eksudatai, vatos pavidalo dėmės, drūzos, ne pažeidimai) (Sánchez et al.,2009). Klasifikuojama buvo pagal dėmės plotą, perimetrą, kompaktiškumą, ilgį,plotį, atsako į Gaboro filtrus statistinius parametrus, kontrastą ir spalvą nusakančiusparametrus, atstumą nuo kraujagyslių ir pan. (Sánchez et al., 2009). Klasifikatoriusbuvo apmokomas aktyviai, t.y., parenkant papildomą apmokymo imtį pagalklasifikavimo rezultatus. Tokiu būdu pasiektas plotas po ROC kreive kietiesiemseksudatams buvo 0,87, vatos pavidalo dėmėms – 0,82, drūzoms – 0,78 (Sánchez etal., 2009).Taip pat naudojamasi tuo, kad defektai spalva ir šviesumu skiriasi nuoaplinkos. Vienu atveju tamsesni už aplinką defektai (kraujosruvos irmikroaneurizmos) buvo randami ieškant pikselių, gerokai tamsesnių už savoaplinkos vidurkį, o tada juos grupuojant pagal tankio funkciją (Grisan ir Ruggeri,2007).Taipogi vienu atveju drūzoms išskirti buvo naudojamas paprastas slenkstis,randamas Otsu metodu, pagal kurį siekiama maksimizuoti tarpklasinę dispersiją(Smith et al., 2005, Smith et al., 2008). Skirtingose akies dugno zonose renkamiskirtingi slenksčiai. Be to, zonose, kuriose esama kraujagyslių, naudojamas vienasslenkstis, atskiriantis drūzas nuo fono, o likusiose – du slenksčiai, skiriantys drūzas,foną ir kraujagysles (Smith et al., 2005, Smith et al., 2008). Tačiau kartaisoperatorius turėjo nurodyti drūzų klasę dar kartą perskelti (Smith et al., 2005).Toks metodas buvo taikytas žaliam RGB komponentui, naudojant sandaugą suGauso funkcija (su centru geltonojoje dėmėje) fonui išlyginti (Smith et al., 2005).Pagal Otsu metodo rezultatus sudaromas fono spalvos intensyvumo modelis, pagalkurį išlygintas vaizdas vėl segmentuojamas pagal Otsu metodą (Smith et al., 2005,Smith et al., 2008). Tai gali būti kartojama keletą kartų (Smith et al., 2005).Nustatyta, kad tokiu atveju pasiekiamas klasifikavimo jautrumas tarp 0,42 ir 0,86 irspecifiškumas tarp 0,53 ir 0,98 (Smith et al., 2005).36
Dar vienu atveju drūzų buvo ieškoma pagal maksimumus kreivumuianalogiško dydžio (besiskiriančio tik vardiklio laipsniu – ne 3/2, o 1) (Garg et al.,2006, Parvathi ir Devi, 2007):2d y2Y xdx . (26)2 dy 1 dx Tam buvo nagrinėjami vertikalūs, horizontalūs ir įstriži vaizdo pjūviai,randami lokalūs kreivumo maksimumai ir atmetami tie maksimumai, kurių reikšmėsnesiekia nustatyto slenksčio (Garg et al., 2006, Parvathi ir Devi, 2007). Kiekybiniųmetodo darbo įverčių pateikta nebuvo (Garg et al., 2006, Parvathi ir Devi, 2007).Be to, drūzų buvo ieškota naudojantis vandenskyros transformacija (Ben Sbehet al., 2001). Bandymų metu nustatyta, kad jos naudojimą apsunkina žymekliųpasirinkimas ir perteklinė segmentacija (Ben Sbeh et al., 2001).Dar vienu atveju drūzų ieškota keliais etapais (Rapantzikos et al., 2003).Pirmiausiai išskiriamas žalias RGB komponentas ir šis vaizdas filtruojamashomogeniniu filtru, taip siekiant išlyginti apšviestumą (Rapantzikos et al., 2003).Tada vaizdui taikomas daugelio lygių histogramos išlyginimas (Rapantzikos et al.,2003). Gautam vaizdui taikomas Otsu slenkstis (Rapantzikos et al., 2003). Gautakaukė morfologiškai išplečiama, kaip struktūrinį elementą naudojant trijų pikseliųskersmens diską (Rapantzikos et al., 2003). Toliau taikomas histogramomsadaptyvus lokalus slenkstis – vaizdas skaidomas į dalis ir į jas patenkantiemsankstesniu etapu rastos kaukės dengiamiems plotams taikomas slenkstis, parinktaspagal jų pikselių verčių pasiskirstymo statistinius įverčius (Rapantzikos et al., 2003).Galiausiai pernelyg maži plotai pašalinami taikant medianinį filtrą (Rapantzikos etal., 2003).Apibendrinant galima teigti, kad esama gana daug akies dugno defektų radimometodų, bet didžioji dalis yra pusiau automatiniai. Paprastai operatorius turi parinktizoną, kurioje ieškoma drūzų, nors pasitaiko atvejų, kai operatorius turi nustatyti, argauti rezultatai yra koreguotini. Taip pat pastebėtina, kad daugeliu atvejųnagrinėjamas tik žalias RGB kanalas, nors kartais atsižvelgiama ir į mėlyną.1.3.6. Akies dugno objektų parametrizavimasRasti akies dugno objektai toliau parametrizuojami. Pavyzdžiui, kraujagyslėmsskaičiuojami skersmenys, vingiuotumai (plačiau žr. 1.4 poskyrį). Pagal kraujagysliųskersmenis randami centrinės tinklainės arterijos ekvivalentas ir centrinės tinklainėsvenos ekvivalentas bei jų santykis, vadinamas arterijų-venų santykiu (Tramontan irRuggeri, 2009). Regos nervo diskui randami jį aproksimuojančios elipsės parametrai(didžioji ir mažoji ašys, horizontalus ir vertikalus skersmenys) (Treigys et al., 2008),disko ir ekskavacijos santykis (Hatanaka et al., 2009).Taipogi buvo skaičiuojama atpažintų kraujagyslių fraktalinė dimensija(Kunicki et al., 2009). Buvo naudotas dėžinio skaičiavimo (angl. box counting)37
- Page 1 and 2: KAUNO TECHNOLOGIJOS UNIVERSITETASMA
- Page 3 and 4: TURINYSPaveikslų sąrašas........
- Page 5 and 6: PAVEIKSLŲ SĄRAŠAS1 pav. Disertac
- Page 7 and 8: LENTELIŲ SĄRAŠAS1 lentelė. Krau
- Page 9 and 10: RGBROC kreivėPuasono santykisSkait
- Page 11 and 12: Darbo uždaviniaiDarbo tikslui pasi
- Page 13 and 14: kraujagyslių modeliai baigtiniais
- Page 15 and 16: Regos nervo disko skersmuo normalio
- Page 17 and 18: placentos, ir pan.) raumeninio audi
- Page 19 and 20: 2 lentelė. Kraujagyslės sienelės
- Page 21 and 22: 8l R 4 ; (4) rčia l - kraujagysl
- Page 23 and 24: 1.3.1. Pirminis vaizdų apdorojimas
- Page 25 and 26: Kxy2 x exp 2,2,x 3,yL, (10)2o K y
- Page 27 and 28: kontūrai, kurių energijos funkcij
- Page 29 and 30: šviesumo komponentas (Oloumi et al
- Page 31 and 32: x x ODODODa ; (20)c1c2 xxODx
- Page 33 and 34: 1.3.4. Foveos ir geltonosios dėmė
- Page 35: normalizuotas vaizdas segmentuojama
- Page 39 and 40: Galima šio įverčio modifikacija
- Page 41 and 42: 2. BIOMECHANINIS KRAUJAGYSLIŲ MODE
- Page 43 and 44: 9 pav. Kraujagyslės sienelės segm
- Page 45 and 46: 201.5 x 10-10 Jungo modulis, MPaVin
- Page 47 and 48: 13 pav. Eksperimento su silikoniniu
- Page 49 and 50: Lateksinis vamzdelis buvo paliktas
- Page 51 and 52: Kad būtų akivaizdesnis lanko-styg
- Page 53 and 54: 2 Ep 22 p E 2 Ep22pE Ep dp E Epd
- Page 55 and 56: 3. AKIES DUGNO KRAUJAGYSLIŲ RADIMA
- Page 57 and 58: Kraujagyslėms priklausančių piks
- Page 59 and 60: Didelis reflekso skiriamumas naudoj
- Page 61 and 62: 23 pav. ROC kreivių visiems DRIVE
- Page 63 and 64: 9 lentelė. Vidutiniai klasifikavim
- Page 65: 1211 s St O iOi. (53)Jo panaudoj
- Page 68 and 69: nustatymui π/48, tikslo funkcijos
- Page 70 and 71: (a) (b) (c)70(d) (e) (f)29 pav. Kra
- Page 72 and 73: 10,90,80,70,60,50,40,3STMSTAOSMISDC
- Page 74 and 75: 4. REGOS NERVO DISKO RIBŲ AIŠKUMO
- Page 76 and 77: B Webb IaIbI . (62)Metodas buvo rea
- Page 78 and 79: Filtravimui buvo pasirinkti trijų
- Page 80 and 81: 5. DRŪZŲ RADIMAS AKIES DUGNO VAIZ
- Page 82 and 83: pikselio reikšmės, „užpildytas
- Page 84 and 85: tuo tarpu „vandens tūris“ (V)
- Page 86 and 87:
50050100150400300200100200 050 100
- Page 88 and 89:
D E min t,2ra 2rbD E T ; (70)či
- Page 90 and 91:
5.3. Penktojo skyriaus išvados1. R
- Page 92 and 93:
92analogiškus tyrimus gali būti t
- Page 94 and 95:
glaucomatous damage: correlation wi
- Page 96 and 97:
36. Finol, E. A., Martino, E. S. D.
- Page 98 and 99:
58. Grušeckij, M., Marozas, V., Ul
- Page 100 and 101:
82. Nguyen, T. T., Wang, J. J., Sha
- Page 102 and 103:
105. Roldán, H. M. F. (2006). Esti
- Page 104 and 105:
130. Zhang, Y., Hsu, W., and Lee, M
- Page 106 and 107:
4. Jegelevičius, Darius; Marozas,
- Page 108 and 109:
Vingiuotumas0,060,050,040,03Teorini