TeleOphta: Machine learning and image processing methods for teleophthalmology

Decencière, Étienne; Cazuguel, Guy; Zhang, X.; Thibault, Guillaume; Klein, Jean-Claude; Meyer, Fernand; Marcotegui, Beatriz; Quellec, Gwénolé; Lamard, Mathieu; Danno, Ronan; Elie, Damien; Massin, Pascale; Viktor, Z.; Erginay, Ali; Laÿ, Bruno; Chabouis, Agnès

doi:10.1016/j.irbm.2013.01.010

Cited by 393 publications

(182 citation statements)

References 10 publications

Supporting

Mentioning

155

Contrasting

Unclassified

Order By: Relevance

“…DRIONS-DB contains retinal images for optic nerve head segmentation benchmarking (Carmona et al, 2008). Concerning retinal lesions, like microaneurysms and exudates, several databases are available such as DIARETDB0, DIARETDB1 (Kauppi et al, 2007), HEI-MED (Giancardo et al, 2012), ROC (Niemeijer et al, 2010) and e-ophtha (Decencière et al, 2013).…”

Section: Introductionmentioning

confidence: 99%

Feedback on a Publicly Distributed Image Database: The Messidor Database

Decencière

Zhang

Cazuguel³

et al. 2014

Image Anal Stereol

1,051

436

View full text Add to dashboard Cite

The Messidor database, which contains hundreds of eye fundus images, has been publicly distributed since 2008. It was created by the Messidor project in order to evaluate automatic lesion segmentation and diabetic retinopathy grading methods. Designing, producing and maintaining such a database entails significant costs. By publicly sharing it, one hopes to bring a valuable resource to the public research community. However, the real interest and benefit of the research community is not easy to quantify. We analyse here the feedback on the Messidor database, after more than 6 years of diffusion. This analysis should apply to other similar research databases.

show abstract

Section: Introductionmentioning

confidence: 99%

Feedback on a Publicly Distributed Image Database: The Messidor Database

Decencière

Zhang

Cazuguel³

et al. 2014

Image Anal Stereol

1,051

436

View full text Add to dashboard Cite

show abstract

“…The e-ophtha database contains 47 color fundus images with size ranging from 1440 × 960 to 2540 × 1690 pixels, which were segmented in order to find exudates by three ophthalmologists from the OPHDIAT Tele-medical network under the the French Research Agency (ANR) project, specially designed for scientific research in Diabetic Retinopathy (DR) [15]. The labelled patches dataset created of 48 × 48 pixels with exudate and healthy classes after the preprocessing steps: cropping and data augmentation was randomly split by images where an image could only belong to a group with the following datasets distribution: Training dataset with 8760 patches by each class, validation dataset has 328 by class and test dataset has 986 by class, representing 45%, 15% and 40% respectively.…”

Section: E-ophtha Datasetmentioning

confidence: 99%

A Novel Machine Learning Model Based on Exudate Localization to Detect Diabetic Macular Edema

Perdómo

Otálora

Rodríguez³

et al. 2016

Proceedings of the Ophthalmic Medical Image Analysis Third International Workshop

View full text Add to dashboard Cite

Diabetic macular edema is one of the leading causes of legal blindness worldwide. Early, and accessible, detection of ophthalmological diseases is especially important in developing countries, where there are major limitations to access to specialized medical diagnosis and treatment. Deep learning models, such as deep convolutional neural networks have shown great success in different computer vision tasks. In medical images they have been also applied with great success. The present paper presents a novel strategy based on convolutional neural networks to combine exudates localization and eye fundus images for automatic classification of diabetic macular edema as a support for diabetic retinopathy diagnosis.

show abstract

“…Its main objective was to develop the tools for fundus image classification, in order to assist in the detection of retinal diseases, especially of diabetic retinopathy. Some research works developed by Decencière et al (2013) and Zhang et al (2012) and the publication of the E-OPHTHA fundus database were important results of this project.…”

Section: International Groupsmentioning

confidence: 92%

“…E-OPHTHA (Decencière et al, 2013) is a database of fundus images especially designed for diabetic retinopathy screening 1 . This public database is divided in two subsets depending on the lesion type: exudates and microaneurysms.…”

Section: E-ophthamentioning

confidence: 99%

See 1 more Smart Citation

Fundus image analysis for automatic screening of ophthalmic pathologies.

Granero¹

View full text Add to dashboard Cite

AcknowledgmentsEste documento es el resultado de cuatro años de esfuerzo y dedicación que han propiciado mi evolución tanto a nivel profesional como personal. El principal motivo de dicho desarrollo han sido todas esas personas que han formado parte de este camino o que de alguna forma se han cruzado en el mismo. A todos ellos quiero dedicarles unas palabras de agradecimiento.En primer lugar, quiero agradecer a Valery, ella es la responsable de que yo esté ahora mismo escribiendo estas líneas. Me brindó la oportunidad de mi vida hace ya más de cinco años y me ha ido formando tanto en la vertiente investigadora como docente de la misma forma que una madre educa e inculca los valores esenciales a su hijo. Gracias por todo Valery, juntos cerramos una etapa clave en mi formación y juntos abrimos una nueva cargada de ilusión. Espero poder estar siempre a tu lado.También quiero agradecer todo el apoyo, energía y momentos divertidos que me han brindado mis compañeros de laboratorio. Gracias Sandra por todo lo que me has enseñado desde el primer momento en el que llegué hasta el día de hoy, no sé qué haría yo sin ti en esa sala. Gracias Fer, Félix, Andrés, Reinier, Ángel, Gabri, Fran P., Rober, Jorge y Adri por todos los consejos aportados y por amenizar como sólo vosotros sabéis mi día a día. También quiero recordar y agradecer a los que decidieron emprender otro rumbo: Javi, Conchi, Pablo, Eliseo, Fran M. y Miguel.De igual forma quiero mostrar mi gratitud hacia varias personas que han colaborado de una u otra forma en este trabajo. A Jesús Angulo, Débora Gil y Ramón Baldrich por su supervisión del trabajo desarrollado en las estancias llevadas a cabo durante esta etapa. A Kjersti Engan por aportar sus conocimientos sobre Dictionary Learning & Sparse Representation que han culminado en diversas publicaciones. A Rafael Molina por permitirme adentrarme en el fascinante mundo de los Procesos Gaussianos y sus múltiples aplicaciones.Gracias a mi madre Jacqueline, mi hermano Fran, mis abuelos Mª Carmen y Paco, mi padre Luis y Eva que siempre me han brindado su apoyo incondicional. Como bien sabéis sois fundamentales para mí, por ello ésta tesis también va dedicada a vosotros. No me puedo olvidar de Rosa que ocupa una parte grande de mi corazón. Os quiero.A Duke y Tom por todas esas horas de compañía desinteresada que me han ofrecido durante sus vidas y en especial en la época de redacción de este manuscrito.Por último, quiero dedicar especialmente este trabajo al motor de mi vida, a la persona que tiene que lidiar conmigo en los momentos más difíciles, a la persona que siempre me acaba sacando una sonrisa, a la persona que me enseña día tras día lo que es amor, fuerza, lucha, perseverancia e infinidad de cualidades que la definen. Gracias por todo cariño, sin tu apoyo estoy seguro de que esto no hubiera sido posible. Durante estos 10 años hemos abierto y cerrado muchas etapas juntos pero lo más ilusionante son todas aquellas que nos quedan por vivir. vi AbstractIn last years, the number of blindness cases has been significan...

show abstract

TeleOphta: Machine learning and image processing methods for teleophthalmology

Cited by 393 publications

References 10 publications

Feedback on a Publicly Distributed Image Database: The Messidor Database

Feedback on a Publicly Distributed Image Database: The Messidor Database

A Novel Machine Learning Model Based on Exudate Localization to Detect Diabetic Macular Edema

Fundus image analysis for automatic screening of ophthalmic pathologies.

Contact Info

Product

Resources

About