Fundus Floresan Anjiografi Görüntülerinde Diyabetik Retinopati Nedeniyle Oluşan Kanamaların Kümeleme, Sınıflama ve İyileştirme Yöntemlerini Kullanarak Belirginleştirilmesi


Creative Commons License

ÇETİN TAŞ İ., İBRİKÇİ T. , ARICA S.

ELECO 2012, Bursa, Turkey, 29 November - 01 December 2012, pp.1-4

  • Publication Type: Conference Paper / Full Text
  • City: Bursa
  • Country: Turkey
  • Page Numbers: pp.1-4

Abstract

f the retina of the eye due to diabetes that causea vascular leakage of bleeding which leads to visual impairment in the advanced stages of the disease. For the detection of the disease, fundus fluorescein angiography (FFA) imaging method is used. In recent years, the studies on FFA images are increased with the increase of the incidence of the disease,. In this paper, DR and the other problems at the retina were detected with different image processing techniques. Hemorrhagic areas that is a result of DR were detected and enhanced on FFA images to help the doctors in the diagnoses. . Supervised and unsupervised learning methods were employed for the detection and the enhancement of the hemorrhagic areas. In addition to this histogram based image enhancement methods were also used. Of these methods, the results obtained by the methods; modelling the histogram with the Gaussian mixture and image thresholding have proven to be more successful. 

Diyabetik retinopati (DR), şeker hastalığına bağlı olarak göz retinasında oluşan damar yapısının bozulması, damarlarda oluşan sızıntı kanamaları, ileri aşamalarında ise görme bozukluklarına yol açan bir rahatsızlıktır. Hastalığın tespiti için fundus floresan anjiografi (FFA) yöntemi kullanılmaktadır. Son yıllarda hastalığın görülme sıklığının artması ile birlikte, FFA görüntüleri üzerinde yapılan çalışmalarda artış görülmüştür. DR ve retinada görülen diğer problemlerin tespiti için çok farklı görüntü işleme teknikleri kullanılmaktadır. Bu bildiride, FFA görüntüleri üzerinde DR hastalığı sonucu oluşan kanamalı bölgeler, doktorların karar aşamasında faydalanması için tanımlanmakta ve vurgulanmaktadır. Kanamalı bölgelerin tespiti ve belirginleştirilmesi için gözetimli ve gözetimsiz öğrenme yöntemlerinin yanı sıra histogram işlemlerini temel alan görüntü iyileştirme yöntemleri kullanılmaktadır. Bu yöntemlerden gauss karışım modeli ve görüntü eşikleme modeli kullanılarak alınan sonuçların daha başarılı olduğu görülmüştür.