Evolution of Retinal Blood Vessel Segmentation Methodology Using Wavelet Transforms for Assessment of Diabetic Retinopathy

Cornforth, David; Jelinek, Herbert; Leandro, J.J.G.; Soares, João; César, Roberto M.; Cree, Michael J.; Mitchell, Paul; Bossomaier, Terry

doi:10.1007/978-3-540-95978-6_12

Cited by 27 publications

(25 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Cornforth et al dan D.J.J. Farnell [18,19]. Gaussian lowpass filter [20] yang serupa dengan gaussian kernel [14].…”

Section: Penyeragaman Tingkat Pencahayaanunclassified

“…Morlet Wavelet dan Gaussian kernel digunakan untuk mengekstraksi fitur dari citra fundus retina [7,18]. Metode ini membuat suatu adaptive local threshold [18] yang mana dilanjutkan dengan nonparametric discriminant analysis serta transformasi normal untuk memperoleh variabel random yang baru.…”

Section: Ekstraksi Fiturunclassified

“…Metode ini membuat suatu adaptive local threshold [18] yang mana dilanjutkan dengan nonparametric discriminant analysis serta transformasi normal untuk memperoleh variabel random yang baru. Variabel random ini yang akan menjadi fitur dalam proses ekstraksi fitur.…”

Section: Ekstraksi Fiturunclassified

See 2 more Smart Citations

Review Algoritma Segmentasi Pembuluh Darah Pada Citra Fundus Retina Mata Untuk Membantu Diagnosis Diabetic Retinopathy

Putra¹,

Tjandrasa²,

Suciati³

2012

JUTI

View full text Add to dashboard Cite

ABSTRAKKata Kunci: diabetic retinopathy, citra fundus retina, pembuluh darah. PENDAHULUANDiabetic Retinopathy merupakan salah satu penyakit pada retina mata yang disebabkan oleh diabetes. Penyakit ini menyebabkan keabnormalan pada retina, dan dalam kondisi terparah akan menyebabkan kebutaan. Beberapa faktor yang menyebabkan diabetic retinopathy antara lain durasi terkena penyakit diabetes, umur, tingkat tekanan darah, masa puber, kehamilan dan lain-lain [1].Durasi waktu dari penderita diabetes adalah faktor resiko terpenting dari penyakit ini. Dalam pasien yang didiagnosa mengidap penyakit diabetes sebelum usia 30 tahun, peluang munculnya diabetic retinopathy sekitar 50% setelah 10 tahun dan 90% setelah 30 tahun. Diabetic retinopathy jarang berkembang setelah 5 tahun dari serangan diabetes atau sebelum masa puber. Sekitar 5% dari diabetes tipe 2 juga mengidap diabetic retinopathy [2]. Gambar 1 merupakan pembuluh darah yang tampak dalam citra fundus retina mata.. Gambar 2 merupakan struktur anatomi dari retina mata. Dari Gambar 2 dapat terlihat, bagian-bagian dari retina mata (pembuluh darah, optic disc, dan macula) termasuk gejala-gejala dari penyakit diabetic retinopathy (exudates dan hemorrhage).Pembuluh darah merupakan salah satu faktor penting dalam pendeteksian penyakit diabetic retinopathy. Pada dasarnya kelainan pada retina mata yang disebabkan oleh penyakit diabetic retinopathy merupakan kelainan-kelainan yang ada pada pembuluh darah retina mata [3,4]. Salah satu contoh gejala diabetic retinopathy yang dapat dilihat dari pembuluh darah antara lain munculnya microaneurysm dan hemorrhage yang disebabkan adanya tonjolan yang ada pada pembuluh darah dalam retina mata [5]. Oleh karena itu diperlukannya suatu metode untuk segmentasi pembuluh darah yang tepat dan baik agar tonjolan yang ada pada pembuluh darah dalam retina dapat terdeteksi secara jelas.Berbagai penelitian mengenai segmentasi pembuluh darah telah dilakukan oleh beberapa peneliti dalam beberapa tahun terakhir. Beberapa makalah yang digunakan sebagai acuan dalam penelitian ini terlihat pada Gambar 3. Dari Gambar 3 terlihat bahwa makalah yang terbanyak dipakai dalam penelitian ini adalah makalah yang dipublikasikan pada tahun 2012. Makalah ini berjumlah 12, merupakan 23% dari jumlah makalah yang dipakai dalam penelitian ini. Hasil penelitian mereka dapat disimpulkan bahwa pada dasarnya metode untuk segmentasi pembuluh darah pada citra fundus retina mata terdiri dari 3 tahap, yakni: preprocessing, segmentasi dan postprocessing.Makalah ini disusun sebagai berikut. Pada bagian pertama dijelaskan mengenai segmentasi pembuluh darah pada diabetic retinopathy. Pada bagian kedua dijelaskan mengenai preprocessing yang digunakan dalam algoritma segmentasi pembuluh darah. Pada bagian ketiga dijelaskan mengenai proses segmentasi yang digunakan. Proses segmentasi ini terbagi menjadi tiga, yakni image based, pattern recognition based dan vessel tracking/tracing. Pada bagian keempat dijelaskan

show abstract

“…Cornforth et al dan D.J.J. Farnell [18,19]. Gaussian lowpass filter [20] yang serupa dengan gaussian kernel [14].…”

Section: Penyeragaman Tingkat Pencahayaanunclassified

Section: Ekstraksi Fiturunclassified

See 1 more Smart Citation

Review Algoritma Segmentasi Pembuluh Darah Pada Citra Fundus Retina Mata Untuk Membantu Diagnosis Diabetic Retinopathy

Putra¹,

Tjandrasa²,

Suciati³

2012

JUTI

View full text Add to dashboard Cite

show abstract

“…The training data or hand labelled ground truths are not needed for the design of algorithm in these approaches. These approaches are matched filter-based (Chaudhuri et al;1989;Hoover et al;Chanwimaluang and Fan;Cinsdikici and Aydın;2009;Zhang et al;Chakraborti et al;, scale space-based (Martínez-Pérez et al;Vlachos and Dermatas;Wang et al;, tracking-based , model-based (Szpak and Tapamo;Xiao et al;, adaptive thresholding-based (Jiang and Mojon;Cornforth et al;2005;Akram and Khan;, mathematical morphology-based (Zana and Klein;Mendonca and Campilho;Jiménez et al;Miri and Mahloojifar;2012a) and clustering-based (Tolias and Panas;1998;Yang et al;Kande et al;2011a,b;Sun et al;Saffarzadeh et al;. Chaudhuri et al (1989) implemented matched filter response (MFR) by initially approximating the intensity of gray-level profiles of the cross-sections of retinal vessels using a Gaussian shaped curve.…”

Section: Introductionmentioning

confidence: 99%

“…Akram and Khan (2013) enhanced the vascular pattern using 2-D Gabor wavelet and followed by a multilayered thresholding technique that applied different threshold values iteratively to generate gray level segmented image. Cornforth et al (2005) applied wavelet analysis, supervised classifier probabilities and adaptive threshold procedures, as well as morphology-based techniques. A comparative study of global thresholding techniques previously implemented by Mapayi et al (2015) showed that global thresholding approaches are limited at efficiently segmenting thin retinal vessels.…”

Section: Introductionmentioning

confidence: 99%

Automatic Retinal Vessel Detection and Tortuosity Measurement

Mapayi¹,

Tapamo²,

Viriri³

et al. 2016

Image Anal Stereol

View full text Add to dashboard Cite

As retinopathies continue to be major causes of visual loss and blindness worldwide, early detection and management of these diseases will help achieve significant reduction of blindness cases. However, an efficient automatic retinal vessel segmentation approach remains a challenge. Since efficient vessel network detection is a very important step needed in ophthalmology for reliable retinal vessel characterization, this paper presents the study on the combination of difference image and k-means clustering for the segmentation of retinal vessels. Stationary points in the vessel center-lines are used to model the detection of twists in the vessel segments. The combination of arc-chord ratio with stationary points is used to compute tortuosity index. Experimental results show that the proposed k-means combined with difference image achieved a robust segmentation of retinal vessels. A maximum average accuracy of 0.9556 and a maximum average sensitivity of 0.7581 were achieved on DRIVE database while a maximum average accuracy of 0.9509 and a maximum average sensitivity of 0.7666 were achieved on STARE database. When compared with the previously proposed techniques on DRIVE and STARE databases, the proposed technique yields higher mean sensitivity and mean accuracy rates in the same range of very good specificity. In a related development, a non-normalized tortuosity index that combined distance metric and the vessel twist frequency proposed in this paper also achieved a strong correlation of 0.80 with the expert ground truth.

show abstract

A New Adaptive Thresholding Technique for Retinal Vessel Segmentation Based on Local Homogeneity Information

Mapayi

Viriri

Tapamo

2014

Lecture Notes in Computer Science

View full text Add to dashboard Cite

Segmentation of vessels in retinal images has become challenging due to the presence of non-homogeneous illumination across retinal images. This paper develops a novel adaptive thresholding technique based on local homogeneity information for Retinal vessel segmentation. Different types of local homogeneity information were investigated. An experimental evaluation on DRIVE database demonstrates the high performance of all types of homogeneity considered. An average accuracy of 0.9469 and average sensitivity of 0.7477 were achieved. While compared with widely previously used techniques on DRIVE database, the proposed adaptive thresholding technique is superior, with a higher average sensitivity and average accuracy rates in the same range of very good specificity.

show abstract

Evolution of Retinal Blood Vessel Segmentation Methodology Using Wavelet Transforms for Assessment of Diabetic Retinopathy

Cited by 27 publications

References 13 publications

Review Algoritma Segmentasi Pembuluh Darah Pada Citra Fundus Retina Mata Untuk Membantu Diagnosis Diabetic Retinopathy

Review Algoritma Segmentasi Pembuluh Darah Pada Citra Fundus Retina Mata Untuk Membantu Diagnosis Diabetic Retinopathy

Automatic Retinal Vessel Detection and Tortuosity Measurement

A New Adaptive Thresholding Technique for Retinal Vessel Segmentation Based on Local Homogeneity Information

Contact Info

Product

Resources

About