Disertacija - Kauno technologijos universitetas

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