A personal identification system using retinal vasculature in retinal fundus images

Köse, Cemal; ̇baş, Cevat İki

doi:10.1016/j.eswa.2011.04.141

Cited by 58 publications

(37 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Анализ взаимосвя-зей между изменениями характеристик сосудов и раз-личными заболеваниями способствует своевременному выявлению и лечению заболеваний ещё на ранних ста-диях. Автоматизированный анализ также находит при-менение в компьютерной лазерной хирургии и биомет-рической идентификации [8].С развитием биомедицинской информатики, систем анализа и обработки изображений стали появляться по-луавтоматические, а позже и полностью автоматизиро-ванные компьютерные системы распознавания и коли-чественного анализа микрососудистых изменений.Создание методики цифрового анализа сосуди-стых систем (СС) невозможно без решения ряда за-дач: распознавание сосудов на цифровых изображе-ниях, выбор методологии анализа сосудов и матема-тической модели сосудистого русла для последую-щих расчётов, определение нормативных значений для диагностических параметров.Распознавание сосудов и определение их морфо-логических признаков -ключевые этапы автоматизи-рованных методик диагностического анализа СС, по-скольку от точности выделения и измерения её эле-ментов зависят результаты диагностики. …”

unclassified

See 1 more Smart Citation

Methods for digital analysis of human vascular system. Literature review

Ильясова¹

2013

Computer Optics

View full text Add to dashboard Cite

Аннотация В статье представлен обзор основных подходов к цифровому анализу изображений со-судистых систем человека. Выделены основные этапы обработки диагностических изобра-жений, проведён анализ различных подходов к выделению и количественному оцениванию морфологических признаков сосудов.Ключевые слова: сосудистая система человека, обработка изображений.Введение Компьютерный анализ изображений стал основ-ным инструментом медицинских диагностических систем, позволяющих существенно повысить качест-во диагностики. Современная медицина является од-ной из самых высокотехнологичных отраслей, важ-нейшей задачей которой является разработка новых эффективных методик ранней диагностики различ-ных патологий. Несколько последних десятилетий характеризуются значительным прорывом в области технической оснащённости медицины. В настоящее время практически все методы обследования в оф-тальмологии, кардиологии и др. областях медицины компьютеризированы.Что касается офтальмологии, с появлением цифро-вых фундус-камер, а затем лазерных сканирующих оф-тальмоскопов изображение глазного дна можно полу-чить и распечатать в считанные секунды. Цифровые фо-тографии сетчатки обширно используются в масштаб-ных исследованиях, направленных на выявление глау-комы, диабетической ретинопатии, возрастной деграда-ции макулы и кардиососудистых заболеваний. Изобра-жение глазного дна человека хранит в себе информацию о сосудистых, офтальмологических и даже системных заболеваниях, таких как диабет, гипертония, артерио-склероз. Помимо использования в крупных программах мониторинга, цифровой анализ изображений сосуди-стой системы способен помочь в оценке степени тяже-сти диабетической ретинопатии [1], возрастной ретино-патии [2], ретинопатии недоношенных [3]; обнаружении фовеальной аваскулярной области [4], сужения арте-риол [5]; измерении диаметра в рамках диагностики ги-пертонии [6], для определения связей между извитостью сосудов и гипертонической ретинопатией [7], раннего обнаружения таких заболеваний, как дистрофия зри-тельного нерва, отслоение сетчатки. Анализ взаимосвя-зей между изменениями характеристик сосудов и раз-личными заболеваниями способствует своевременному выявлению и лечению заболеваний ещё на ранних ста-диях. Автоматизированный анализ также находит при-менение в компьютерной лазерной хирургии и биомет-рической идентификации [8].С развитием биомедицинской информатики, систем анализа и обработки изображений стали появляться по-луавтоматические, а позже и полностью автоматизиро-ванные компьютерные системы распознавания и коли-чественного анализа микрососудистых изменений.Создание методики цифрового анализа сосуди-стых систем (СС) невозможно без решения ряда за-дач: распознавание сосудов на цифровых изображе-ниях, выбор методологии анализа сосудов и матема-тической модели сосудистого русла для последую-щих расчётов, определение нормативных значений для диагностических параметров.Распознавание сосудов и определение их морфо-логических признаков -ключевые этапы автоматизи-рованных методик диагностического анализа СС, по-скольку от точности...

show abstract

unclassified

Methods for digital analysis of human vascular system. Literature review

Ильясова¹

2013

Computer Optics

View full text Add to dashboard Cite

show abstract

“…Further the automatic extraction of branch points of vessels and maps of vessels can be used for multimodal or temporal image registration [8], optic disk identification [10] and location of fovea. Finally, the retinal vascular structure of every individual is unique which can be used for biometric identification [11,12]. Manual segmentation of retinal blood vessels is a deadly task which requires skill and training.…”

Section: Introductionmentioning

confidence: 99%

Diabetic retinopathy through retinal image analysis: A review

Reddy¹,

Ravindran²,

Kishore³

2017

IJET

View full text Add to dashboard Cite

In this paper, the recent advancement in the Digital Image Processing Aspects in the Diabetic Retinopathy (DR) were been discussed. The major approaches in DR are categorized into four classes namely Preprocessing, Optic Disk Detection, Blood Vessel Extraction and supervised classification. The optic disk, blood vessels and exudates gives more analytical details about the retinal image, segmentation of those features are very important. Further these approaches are classified into finer classes based on the methodologies accomplished in the respective schemes. The details of the database those used for testing the proposed algorithms is also illustrated in this paper. The details of performance metrics such as accuracy, sensitivity, specificity, precision, recall and F-measure are also discussed through their mathematical expressions.

show abstract

“…Therefore, the importance of retinal vasculature in the retinal identification for the biometric application is highlighted in [3]. The stem of retinal vascular is unique for each individual as well as cannot be replaced or changed with artificial retinal vascular stem.…”

Section: Introductionmentioning

confidence: 99%

A new method of vascular point detection using artificial neural network

Kader

Aibinu

Salami

2012

2012 IEEE-EMBS Conference on Biomedical Engineering and Sciences

View full text Add to dashboard Cite

Abstract-Vascular intersection is an important feature in retina fundus image (RFI). It can be used to monitor the progress of diabetes hence accurately determining vascular point is of utmost important. In this work a new method of vascular point detection using artificial neural network model has been proposed. The method uses a 5x5 window in order to detect the combination of bifurcation and crossover points in a retina fundus image. Simulated images have been used to train the artificial neural network and on convergence the network is used to test (RFI) from DRIVE database. Performance analysis of the system shows that ANN based technique achieves 100% accuracy on simulated images and minimum of 92% accuracy on RFI obtained from DRIVE database.

show abstract

A personal identification system using retinal vasculature in retinal fundus images

Cited by 58 publications

References 15 publications

Methods for digital analysis of human vascular system. Literature review

Methods for digital analysis of human vascular system. Literature review

Diabetic retinopathy through retinal image analysis: A review

A new method of vascular point detection using artificial neural network

Contact Info

Product

Resources

About