Método de preprocesamiento automatizado para imágenes de retinografías

  1. José Luis Sánchez 1
  2. Silvia Alayón 1
  3. José Sigut 1
  4. Jorge Marrero 1
  5. Manuel G de la Rosa 1
  1. 1 Universidad de La Laguna
    info

    Universidad de La Laguna

    San Cristobal de La Laguna, España

    GRID grid.10041.34

Proceedings:
Jornadas de Automática (30ª. 2009. Valladolid)

Publisher: Comité Español de Automática CEA-IFAC ; Universidad de Valladolid

ISBN: 978-84-692-2387-1

Year of publication: 2009

Type: Conference paper

Export: RIS

Abstract

Las retinografías son fotografías digitales de laretina muy útiles para el seguimiento preciso decualquier patología retiniana o del nervio óptico.Una de las principales enfermedades en la que es útilesta prueba es el glaucoma, que es la causa másfrecuente de ceguera incurable en la población delos países industrializados. Aunque existenprocedimientos muy sofisticados para realizar elseguimiento de los defectos del nervio óptico, resultainviable aplicarlos al gran número de pacientes quelo necesitan, a causa de su elevado costo y de laexigencia de personal altamente cualificado. Parareducir tanto los costes como el número deespecialistas, sería de gran utilidad desarrollar unmétodo automático para detectar la enfermedad ensus primeras etapas por medio de simplesretinografías en color. Con este objetivo se presentaen este artículo un método de preprocesamientoautomatizado para imágenes de retinografíascompuesto de una serie de pasos encaminados amejorar la información de las estructuras presentesen la imagen. El método de preprocesamientopropuesto tiene como objetivo mejorar lascaracterísticas de iluminación y contraste de lasimágenes utilizando distintos espacios de color.

Bibliographic References

  • J. Cox, I. Wood (1991), “Computer-assisted optic nerve head assessment”. Ophthal. Physiol. Opt.; 11, pp.27-35.
  • T. Morris, I. Wood (1994), “The Automatic Extraction of the Optic Nerve Head”. Proceedings of the Biennial European Meeting in Amsterdam, American Academy of Optometrists; pp. 11-22.
  • M.I. Iqbal, A.M. Aibinu, N.S. Gubbal, A. Khan (2006), “Automatic Diagnosis of Diabetic Retinopathy using Fundus Images”. University essay from Blekinge Tekniska Högskola/Sektionen för Teknik (TEK). Tesis.
  • T. Teng, M. Lefley, D. Claremont (2002), “Progress towards automated diabetic ocular screening: a review of image analysis and intelligent systems for diabetic retinopathy”. Med. Biol. Eng. Comput.; 40(1:2-13.
  • M. Himaga, D. Usher, J. F. Boyce (2002), “Retinal Blood Vessel Extraction by using Multi-resolution Matched Filtering and Directional Region Growing Segmentation”. IAPR Workshop on Machine Vision Applications.
  • B. Fang, W. Hsu, M.L. Lee (2003), “On the Detection of Retinal Vessels in Fundus Images”. Singapore-MIT Alliance National University of Singapore. Computer Science (CS).
  • P. Echevarria, T. Miller, J. O'Meara (2004), “Blood Vessel Segmentation in Retinal Images”. Project P14: Blood Vessel Segmentation in Retinal Images. http://robots.stanford.edu/cs223b04/project1 4.html
  • S. Chaudhuri, S. Chatterjee, N. Katz, M. Nelson, M. Goldbaum (1989), “Detection of blood vessels in retinal images using two- dimensionalmatched filters”. IEEE Trans. Med. Imag; vol. 8(3), pp.263-269.
  • I.T. Young, J.J. Gerbrands, L.J. Van Vliet, (1998), "Image Processing Fundamentals," in The Digital Signal Processing Handbook, V. K. Madisetti and D. B. Williams, Eds. Boca Raton, Florida: CRC Press in cooperation with IEEE Press