РАЗРАБОТКА МЕТОДА И АЛГОРИТМА СЕГМЕНТАЦИИ КРОВЕНОСНЫХ СОСУДОВ НА ИЗОБРАЖЕНИИ ГЛАЗНОГО ДНА
|
ВВЕДЕНИЕ 3
1. АНАЛИЗ МЕТОДОВ СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА 7
1.1 Основные задачи и проблемы при исследовании снимков
глазного дна 7
1.2 Анализ методов сегментации объектов на изображении 13
1.3 Особенности методов автоматической сегментации сосудов
глазного дна 19
1.4 Постановка задачи 25
2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДОВ, ПРИМЕНЯЕМЫХ ДЛЯ
РЕШЕНИЯ ЗАДАЧИ СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА... 26
2.1 Метод повышения контрастности изображений 26
2.2 Основные операции морфологической фильтрации
изображения 32
2.3 Метод кластеризации k-means 39
3. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО
ОБЕСПЕЧЕНИЯ 46
3.1 Разработка метода и алгоритма сегментации кровеносных
сосудов на изображении глазного дна 46
3.2 Интерфейс программной реализации 56
3.3 Программная реализация алгоритма сегментации кровеносных
сосудов на изображении глазного дна 58
4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННОГО
МЕТОДА СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА 64
4.1 Выбор критериев для экспериментальных исследований 64
4.2 Описание вычислительных экспериментов 65
ЗАКЛЮЧЕНИЕ 72
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 74
ПРИЛОЖЕНИЕ
1. АНАЛИЗ МЕТОДОВ СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА 7
1.1 Основные задачи и проблемы при исследовании снимков
глазного дна 7
1.2 Анализ методов сегментации объектов на изображении 13
1.3 Особенности методов автоматической сегментации сосудов
глазного дна 19
1.4 Постановка задачи 25
2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДОВ, ПРИМЕНЯЕМЫХ ДЛЯ
РЕШЕНИЯ ЗАДАЧИ СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА... 26
2.1 Метод повышения контрастности изображений 26
2.2 Основные операции морфологической фильтрации
изображения 32
2.3 Метод кластеризации k-means 39
3. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО
ОБЕСПЕЧЕНИЯ 46
3.1 Разработка метода и алгоритма сегментации кровеносных
сосудов на изображении глазного дна 46
3.2 Интерфейс программной реализации 56
3.3 Программная реализация алгоритма сегментации кровеносных
сосудов на изображении глазного дна 58
4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННОГО
МЕТОДА СЕГМЕНТАЦИИ СОСУДОВ ГЛАЗНОГО ДНА 64
4.1 Выбор критериев для экспериментальных исследований 64
4.2 Описание вычислительных экспериментов 65
ЗАКЛЮЧЕНИЕ 72
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 74
ПРИЛОЖЕНИЕ
Анализ состояния кровеносных сосудов глазного дна имеет большое значение при диагностировании и лечении различных заболеваний.
В большинстве известных методов по исследованию глазного дна существенное значение имеет анализ его кровеносной системы. Глазное дно является единственной частью человеческого тела, кровеносную систему которой можно наблюдать непосредственно без хирургического вмешательства [1].
При корректном выделении (сегментации) кровеносных сосудов на изображении глазного дна становится возможным поставить более точный диагноз, что важно при лечении пациента.
Выделение сосудистой системы вручную является достаточно сложным процессом, занимающим существенное количество времени и сил, и иногда невозможным из-за слишком сложной структуры сосудистого дерева или низкого PSNR (значения отношения сигнал-шум) на изображении [2].
Из-за указанных проблем широкое распространение получил компьютерный анализ изображений кровеносных сосудов глазного дна, который стал главным инструментом медицинских диагностических систем, позволяющих значительно повысить качество диагностики. Современная медицина является одной из самых высокотехнологичных отраслей, важнейшей задачей которой является разработка новых эффективных методик ранней диагностики различных патологий. В настоящее время практически все методы обследования в различных областях медицины компьютеризированы, включая диагностику по глазному дну.
Распознавание сосудов глазного дна и определение их морфологических признаков - основные этапы автоматизированных методик диагностического анализа сосудистой системы, так как от точности выделения и измерения её составляющих зависят результаты диагностики [3].
Сегментация сосудов глазного дна является основным этапом подготовки информации для медицинских автоматизированных диагностических систем.
Результат сегментирования сосудистой сети глазного дна очень сильно зависит от яркости и контраста исходного изображения, а хорошее качество изображения имеет большое значение для корректной диагностики, проводимой вручную или автоматически.
Существующие методы сегментации кровеносных сосудов на изображении глазного дна имеют отдельные недостатки, в них, зачастую, не проводится предобработка изображения для устранения различных артефактов, снижающих качество снимка. Также большинство методов необходимо применять в комбинации с другими методами для достижения наилучшего эффекта сегментации, следует отметить, что в большинстве случае выбор комбинации методов не является тривиальным [4].
Таким образом, целью работы является совершенствование методов сегментации кровеносных сосудов на изображении глазного дна на основе контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-means и согласованной фильтрации.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Анализ методов сегментации сосудов глазного дна;
2. Проведение исследования теоретических основ методов, применяемых для решения задачи сегментации сосудов глазного дна;
3. Разработка метода и алгоритма сегментации кровеносных сосудов на изображении глазного дна;
4. Разработка программной реализации алгоритма сегментации кровеносных сосудов на изображении глазного дна;
5. Проведение вычислительных экспериментов по проверке работоспособности разработанного метода.
Объектом изучения данного исследования является кровеносные сосуды глазного дна.
Предметом изучения данного исследования являются методы и алгоритмы сегментации кровеносных сосудов на изображении глазного дна и их программирование в среде инженерных расчетов Matlab.
Работа состоит из Введения, четырех глав, Заключения, списка использованных источников и Приложения.
Во Введении показана актуальность выполняемой работы, сформулированы цель и задачи проводимого исследования, приведено краткое содержание и структура работы.
В первой главе рассматриваются основные задачи и проблемы, появляющиеся при исследовании снимков глазного дна, структуры глазного дна, и диагностировании болезней, которые можно выявить по снимкам данного органа зрения. Проводится анализ существующих методов сегментации объектов на изображении, а также анализ методов, которые специализируются на сегментации непосредственно кровеносных сосудов на изображении глазного дна.
Во второй главе рассматриваются теоретические основы методов, применяемых для решения задачи сегментации сосудов. К таким методам относятся контрастно ограниченная адаптивная эквализация гистограммы, морфологическая фильтрация и метод кластеризации k-means, для которых сформулированы основные определения, вычислительные соотношения и алгоритмы. Во второй главе также выполнен анализ преимуществ и недостатков данных методов.
В третьей главе разработан метод и алгоритм сегментации кровеносных сосудов на изображениях глазного дна с использованием контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-means, согласованной фильтрации отдельно толстых и тонких сосудов. Также в данной главе описан интерфейс программы, и приведены фрагменты листингов кода программной реализации разработанного метода.
В четвертой главе проведены сравнительные вычислительные эксперименты разработанного метода и известного метода сегментации сосудов глазного дна.
В Заключении сформулированы основные результаты проведенного исследования.
Работа выполнена на 84 страницах и содержит 29 рисунков, 3 таблицы и 50 литературных источников
В большинстве известных методов по исследованию глазного дна существенное значение имеет анализ его кровеносной системы. Глазное дно является единственной частью человеческого тела, кровеносную систему которой можно наблюдать непосредственно без хирургического вмешательства [1].
При корректном выделении (сегментации) кровеносных сосудов на изображении глазного дна становится возможным поставить более точный диагноз, что важно при лечении пациента.
Выделение сосудистой системы вручную является достаточно сложным процессом, занимающим существенное количество времени и сил, и иногда невозможным из-за слишком сложной структуры сосудистого дерева или низкого PSNR (значения отношения сигнал-шум) на изображении [2].
Из-за указанных проблем широкое распространение получил компьютерный анализ изображений кровеносных сосудов глазного дна, который стал главным инструментом медицинских диагностических систем, позволяющих значительно повысить качество диагностики. Современная медицина является одной из самых высокотехнологичных отраслей, важнейшей задачей которой является разработка новых эффективных методик ранней диагностики различных патологий. В настоящее время практически все методы обследования в различных областях медицины компьютеризированы, включая диагностику по глазному дну.
Распознавание сосудов глазного дна и определение их морфологических признаков - основные этапы автоматизированных методик диагностического анализа сосудистой системы, так как от точности выделения и измерения её составляющих зависят результаты диагностики [3].
Сегментация сосудов глазного дна является основным этапом подготовки информации для медицинских автоматизированных диагностических систем.
Результат сегментирования сосудистой сети глазного дна очень сильно зависит от яркости и контраста исходного изображения, а хорошее качество изображения имеет большое значение для корректной диагностики, проводимой вручную или автоматически.
Существующие методы сегментации кровеносных сосудов на изображении глазного дна имеют отдельные недостатки, в них, зачастую, не проводится предобработка изображения для устранения различных артефактов, снижающих качество снимка. Также большинство методов необходимо применять в комбинации с другими методами для достижения наилучшего эффекта сегментации, следует отметить, что в большинстве случае выбор комбинации методов не является тривиальным [4].
Таким образом, целью работы является совершенствование методов сегментации кровеносных сосудов на изображении глазного дна на основе контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-means и согласованной фильтрации.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Анализ методов сегментации сосудов глазного дна;
2. Проведение исследования теоретических основ методов, применяемых для решения задачи сегментации сосудов глазного дна;
3. Разработка метода и алгоритма сегментации кровеносных сосудов на изображении глазного дна;
4. Разработка программной реализации алгоритма сегментации кровеносных сосудов на изображении глазного дна;
5. Проведение вычислительных экспериментов по проверке работоспособности разработанного метода.
Объектом изучения данного исследования является кровеносные сосуды глазного дна.
Предметом изучения данного исследования являются методы и алгоритмы сегментации кровеносных сосудов на изображении глазного дна и их программирование в среде инженерных расчетов Matlab.
Работа состоит из Введения, четырех глав, Заключения, списка использованных источников и Приложения.
Во Введении показана актуальность выполняемой работы, сформулированы цель и задачи проводимого исследования, приведено краткое содержание и структура работы.
В первой главе рассматриваются основные задачи и проблемы, появляющиеся при исследовании снимков глазного дна, структуры глазного дна, и диагностировании болезней, которые можно выявить по снимкам данного органа зрения. Проводится анализ существующих методов сегментации объектов на изображении, а также анализ методов, которые специализируются на сегментации непосредственно кровеносных сосудов на изображении глазного дна.
Во второй главе рассматриваются теоретические основы методов, применяемых для решения задачи сегментации сосудов. К таким методам относятся контрастно ограниченная адаптивная эквализация гистограммы, морфологическая фильтрация и метод кластеризации k-means, для которых сформулированы основные определения, вычислительные соотношения и алгоритмы. Во второй главе также выполнен анализ преимуществ и недостатков данных методов.
В третьей главе разработан метод и алгоритм сегментации кровеносных сосудов на изображениях глазного дна с использованием контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-means, согласованной фильтрации отдельно толстых и тонких сосудов. Также в данной главе описан интерфейс программы, и приведены фрагменты листингов кода программной реализации разработанного метода.
В четвертой главе проведены сравнительные вычислительные эксперименты разработанного метода и известного метода сегментации сосудов глазного дна.
В Заключении сформулированы основные результаты проведенного исследования.
Работа выполнена на 84 страницах и содержит 29 рисунков, 3 таблицы и 50 литературных источников
В процессе выполнения данной работы было выявлено, что цифровая обработка изображений является актуальной темой в настоящее время и находит широкое применение в различных областях медицины, включая диагностику по глазному дну. Автоматическая сегментация кровеносных сосудов глазного дна - важный шаг для выявления различных патологий в глазе человека.
В ходе данной работы поставленная цель достигнута, все задачи выполнены.
В данной работе были рассмотрены основные задачи и проблемы, появляющиеся при исследовании снимков глазного дна, структуры глазного дна, и диагностировании болезней, которые можно выявить по снимкам данного органа зрения. Выполнен анализ существующих методов сегментации объектов на изображении, а также анализ методов, которые специализируются на сегментации непосредственно кровеносных сосудов на изображении глазного дна.
Также были рассмотрены теоретические основы методов, применяемых для решения задачи сегментации сосудов. А именно контрастно ограниченная адаптивная эквализация гистограммы, морфологическая фильтрация и метод кластеризации k-means, для которых были сформулированы основные определения, вычислительные соотношения и алгоритмы. Был выполнен анализ преимуществ и недостатков данных методов.
В данной работе был разработан метод сегментации кровеносных сосудов на изображениях глазного дна с использованием контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-средних отдельно толстых и тонких сосудов. Предобработка изображения позволила более контрастно выделить сосуды на глазном дне. Для выявления тонких сосудов также использована согласованная фильтрация, ядра которой позволяют выявить наличие отрезков заданной длины и ориентации на плоскости.
В среде инженерных расчетов Matlab разработана программная реализация разработанного метода сегментации кровеносных сосудов, которая продемонстрировала его работоспособность.
Метод был протестирован на изображениях из общедоступной базы DRIVE. Вычислительные эксперименты показали наличие преимуществ разработанного метода по сравнению с известными в корректном определении пикселей сосудов и фона изображения.
В ходе данной работы поставленная цель достигнута, все задачи выполнены.
В данной работе были рассмотрены основные задачи и проблемы, появляющиеся при исследовании снимков глазного дна, структуры глазного дна, и диагностировании болезней, которые можно выявить по снимкам данного органа зрения. Выполнен анализ существующих методов сегментации объектов на изображении, а также анализ методов, которые специализируются на сегментации непосредственно кровеносных сосудов на изображении глазного дна.
Также были рассмотрены теоретические основы методов, применяемых для решения задачи сегментации сосудов. А именно контрастно ограниченная адаптивная эквализация гистограммы, морфологическая фильтрация и метод кластеризации k-means, для которых были сформулированы основные определения, вычислительные соотношения и алгоритмы. Был выполнен анализ преимуществ и недостатков данных методов.
В данной работе был разработан метод сегментации кровеносных сосудов на изображениях глазного дна с использованием контрастно ограниченной адаптивной эквализации гистограммы, морфологической фильтрации, метода кластеризации k-средних отдельно толстых и тонких сосудов. Предобработка изображения позволила более контрастно выделить сосуды на глазном дне. Для выявления тонких сосудов также использована согласованная фильтрация, ядра которой позволяют выявить наличие отрезков заданной длины и ориентации на плоскости.
В среде инженерных расчетов Matlab разработана программная реализация разработанного метода сегментации кровеносных сосудов, которая продемонстрировала его работоспособность.
Метод был протестирован на изображениях из общедоступной базы DRIVE. Вычислительные эксперименты показали наличие преимуществ разработанного метода по сравнению с известными в корректном определении пикселей сосудов и фона изображения.