Segmentation of Retinal Fundus Vasculature in Nonmydriatic Camera Images Using Wavelets

Jelinek, Herbert; César, Roberto M.

doi:10.1201/9780203490907.ch5

Cited by 18 publications

(18 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Os valores de r e MSE sugerem baixa concordância entre as segmentações manual e automática neste experimento, ao contrário do que se observou nos resultados publicados em [51]. Esta diferença 2.4.…”

Section: Capítulo 2 Análise De Formas -Parte I -Vasos Sangüíneosunclassified

“…No entanto, são desejáveis meios objetivos para avaliar os resultados da segmentação, viabilizando análises múltiplas e em grande escala [51].…”

Section: Capítulo 2 Análise De Formas -Parte I -Vasos Sangüíneosunclassified

“…Preliminarmente, uma comparação entre segmentações manuais (grupo ω 1 ) e automáticas (grupo ω 2 ) foi efetuada usando as características descritas na Seção 2.2, analogamente ao que foi publicado em [51]. Considere os espaços de características F ω j , com j ∈ {1, 2}, organizados como matrizes, seguindo a notação adotada em [25], cujas linhas são formadas pelos vetores de características f…”

Section: Comparação Preliminar Entre Segmentadores Por Coeficiente Deunclassified

“…Para avaliar então os resultados obtidos das segmentações do grupo ω 2 em relaçãoàs segmentações do grupo ω 1 [51], calculamos duas medidas de associação entre cada par de características No contexto desta análise, o Coeficiente de Correlação de Pearson (r) pode ser escrito como [83]:…”

Section: Comparação Preliminar Entre Segmentadores Por Coeficiente Deunclassified

“…Esta wavelet também tem se revelado como ferramentaútil para a segmentação de imagens de fundo de olho usando um esquema baseado em limiarização de uma escala [51,64].É possível ainda melhorar os resultados integrando a informação de diversas escalas e outros parâmetros da wavelet [65].…”

unclassified

See 4 more Smart Citations

Dois problemas em análise de formas de estruturas de ramificação

Leandro¹

View full text Add to dashboard Cite

AgradecimentosPelo dom da vida e o anelo por desafios que a move em mim, sou grato ao Todo-Poderoso, o Criador.Por inspirar-me o apreço pelos valores que verdeiramente enobrecem o homem, sou grato aos meus pais, Dulce e Satiro.Pelo apoio, a compreensão e a resignação, durante os longos períodos solitários que minha ausência lhes impôs, sou grato a minha esposa Sheila e filha Julia.Pela oportunidade e a confiança em mim depositada, sou grato ao meu orientador, Prof. Roberto Marcondes César Jr.Pela oportunidade e as valiosas idéias compartilhadas, sou grato ao colaborador, Prof. Luciano da Fontoura Costa.Pela licença, sempre que necessária, sou gratoàs chefias do Departamento de Física Nuclear -IFUSP e a minha Coordenadora Prof a . Nobuko Ueta. Pela cumplicidade, agradeçoà colega Wanda G. P. Engel.A todos os que colaboraram direta ou indiretamente para a conclusão deste trabalho, em particular aos ouvidos atentos dos colegas Evandro Drigo e Ricardo Ichiwaki.Tudo o que te vierà mão para fazer, faze-o conforme as tuas forças, porque no além, para onde tu vais, não há obra, nem projetos, nem conhecimento, nem sabedoria alguma.Eclesiastes 9 : 10. Rei Salomão.Se os teus olhos se perderem nas estrelas, não verás as pedras no caminho. O primeiro problema consiste na investigação de um conjunto de características propostas para distingüir, primeiramente, entre estruturas de ramificação de vasos sangüíneos em imagens de retina segmentadas manualmente e automaticamente. A seguir, as mesmas características são aplicadas para discernir entre estruturas de ramificação de vasos sangüíneos em imagens de retina com e sem retinopatia diabética proliferativa (Proliferative Diabetic Retinopathy -PDR). A PDRé uma das patologias associadasà diabetes, que pode culminar na cegueira do indivíduo. Diagnósticos são possíveis por meio de imagens de fundo de olho e, quando efetuados precocemente, viabilizam intervenções oportunas evitando a perda da visão.Neste trabalho, 27 imagens digitais de fundo de olho foram segmentadas por dois processos distintos, istoé, segmentação manual por um especialista e a segmentação automática, mediante a transformada contínua Wavelet -CWT e classificadores estatísticos [92]. Visandoà caracterização destas formas, um conjunto de 08 características foi proposto. Este conjunto foi formado por três grupos, a saber: descritores tradicionais geométricos (Área, Perímetro e Circularidade), descritores associadosà transformada wavelet ( 2 o momento estatístico da distribuição de módulos da CWT, Entropia de Orientação da distribuição de fases da CWT e Curvatura) e um descritor fractal (Dimensão de Correlação -Global e Mediana). Uma Análise Discriminante Linear LDA revelou que as características geométricas tradicionais não detectam o início da retinopatia diabética proliferativa.A maior capacidade discriminante individual foi exibida pela Curvatura, comárea sob a curva ROC de 0.76. Um subconjunto com 6 características apresentou grande capacidade discriminante coḿ area sob a curva ROC de 0.90.O segundo problema diz re...

show abstract

Section: Capítulo 2 Análise De Formas -Parte I -Vasos Sangüíneosunclassified

“…No entanto, são desejáveis meios objetivos para avaliar os resultados da segmentação, viabilizando análises múltiplas e em grande escala [51].…”

Section: Capítulo 2 Análise De Formas -Parte I -Vasos Sangüíneosunclassified

Section: Comparação Preliminar Entre Segmentadores Por Coeficiente Deunclassified

unclassified

See 3 more Smart Citations

Dois problemas em análise de formas de estruturas de ramificação

Leandro¹

View full text Add to dashboard Cite

show abstract

Box-Counting Fractal Analysis: A Primer for the Clinician

Karperien,

Jelinek

2024

Advances in Neurobiology

View full text Add to dashboard Cite

A non-parametric vessel detection method for complex vascular structures

Qian

Brennan

Dione

et al. 2009

Medical Image Analysis

View full text Add to dashboard Cite

Modern medical imaging techniques enable the acquisition of in-vivo high resolution images of the vascular system. Most common methods for the detection of vessels in these images, such as multiscale Hessian-based operators and matched filters, rely on the assumption that at each voxel there is a single cylinder. Such an assumption is clearly violated at the multitude of branching points that are easily observed in all but the most focused vascular image studies. In this paper, we propose a novel method for detecting vessels in medical images that relaxes this single cylinder assumption. We directly exploit local neighborhood intensities and extract characteristics of the local intensity profile (in a spherical polar coordinate system) which we term as the polar neighborhood intensity profile. We present a new method to capture the common properties shared by polar neighborhood intensity profiles for all the types of vascular points belonging to the vascular system. The new method enables us to detect vessels even near complex extreme points, including branching points. Our method demonstrates improved performance over standard methods on both 2D synthetic images and 3D animal and clinical vascular images, particularly close to vessel branching regions.

show abstract

Segmentation of Retinal Fundus Vasculature in Nonmydriatic Camera Images Using Wavelets

Cited by 18 publications

References 1 publication

Dois problemas em análise de formas de estruturas de ramificação

Dois problemas em análise de formas de estruturas de ramificação

Box-Counting Fractal Analysis: A Primer for the Clinician

A non-parametric vessel detection method for complex vascular structures

Contact Info

Product

Resources

About