استخراج رگ از تصاوير شبكيه چشم مبتلا به رتينوپاتي ديابتي با استفاده از روشي مبتني بر ساختارشناسي

Vessel Extraction of Retinal Images of Diabetic Retinopathy Using A Morphology-based Algorithm

ديابت، نوعي بيماري شايع در جهان است. اولين عضوي كه معمولاً دچار آسيب مي‌شود؛ چشم مي‌باشد. رتينوپاتي ديابتي، به معني آسيب به شبكيه است كه شامل تغييرات عروق خوني شبكيه است و مي‌تواند به خونريزي، نشت مايع و يا تحريف ديد منجر شود. جداسازي رگ‌هاي خوني از اولويت‌هاي تشخيص بيماري‌هاي شبكيه است. عكس‌برداري از شبكيه نيازمند استفاده از سيستم نوري پيچيده‌اي به نام دوربين فونداس يا عمقي است. دوربين عمقي، يك دوربين ديجيتال معمولي است كه به‌منظور تهيه تصاوير از شبكيه مورد استفاده قرار مي‌گيرد، برخلاف دستگاه‌هاي ته‌چشم‌بين، اين دستگاه‌ها امكان ذخيره داده‌ها را نيز فراهم مي‌كنند. در اين مقاله، روشي براي استخراج رگ‌هاي خوني از تصوير شبكيه مبتني بر ساختارشناسي (مورفولوژي) ارائه شده است. رگ‌ها بخشي هستند كه بايد قبل از تشخيص ضايعه‌هاي رتينوپاتي ديابتي از تصوير حذف شوند. در ابتدا براي بهبود كيفيت از عملگرهاي مورفولوژي بر روي تصوير شبكيه رنگي استفاده مي‌شود. سپس، با روش‌هاي مورفولوژي، ديسك نوري از تصوير حذف مي‌گردد. سپس، رگ‌هاي خوني تصوير شبكيه با استفاده از دو الگوريتم مجزا استخراج مي‌شوند. با تركيب اين دو الگوريتم، رگ‌هاي خوني با جزئيات بيشتري استخراج مي‌گردند. در نهايت با استفاده از فيلتر ميانه، نويز احتمالي حذف مي‌شود و رگ‌هاي خوني با دقت بيشتري استخراج مي‌شوند. الگوريتم پيشنهادي اين مقاله بر روي تصاوير پايگاه داده Drive مورد ارزيابي قرار گرفته و نتايج مناسبي حاصل شده است. مقادير متوسط اختصاصيت، حساسيت و صحت روش ارائه‌شده به‌ترتيب 0.98، 0.751 و 0.960 مي‌باشد.

Diabetes is a common disease in the world. The first member that is usually damaged is the eye. Diabetic retinopathy is a diabetic disorder and occurs due to changes in the blood vessels of the retina. Extracting blood vessels is initial step for diagnosis of retina problems. Imaging of Retina needs some special cameras called fundus. It is a digital camera that captures retina images ad is capable to save them. The purpose of this paper is to provide a method for the diagnosis of blood vessels based on morphology on retina images. After converting a color image to a gray scale one and improving the quality, morphological operators are used to remove the optical disk from the image. Then, blood vessels are extracted from the retina image by two different methods. Combining these two methods gives more detailed results. Possible noise is then removed using median filters. Finally, the results are combined and the blood vessels are extracted. The proposed algorithm has been evaluated over the images from the Drive database. The experimental results shows the effectiveness of our proposed method. The average result of specificity, sensitivity and accuracy are 0.98, 0.751 and 0.960, respectively.