آشکارسازي عروق شبکيه چشم با استفاده از تبديل رادون محلي

مقدمه: در اين مقاله به شرح روشي براي آشکارسازي خودکار عروق شبکيه چشم پرداخته شده است. ابزارهاي مهم بکار رفته در اين روش، تقسيم بندي تصوير و تبديل رادون محلي است. از آنجاييکه تبديل رادون به علت داشتن ماهيت انتگرالي، نسبت به نويزهاي موجود در تصوير حساس نيست، روش پيشنهادي نسبت به اکثر روش هاي موجود از مقاومت بيشتري نسبت به نويز برخوردار است. اين در حالي است که نتايج آزمايش ها نشان مي دهند که اين روش دقت بالاتري را در آشکار سازي عروق نسبت به ديگر روش ها ارايه مي کند.
مواد و روش ها: در روند آشکارسازي عروق ابتدا تصوير شبکيه چشم به پنجره هايي با ابعاد از پيش تعيين شده که داراي همپوشاني در هر دو راستاي افقي و عمودي هستند تقسيم شده و سپس تبديل رادون به هر يک از پنجره ها اعمال مي شود. ماکسيمم ايجاد شده در فضاي رادون هر پنجره، متناظر با قطعه رگ موجود در آن پنجره است. براي تاييد صحت قطعه رگ تشخيص داده شده، مقدار ماکسيمم فضاي رادون با يک مقدار آستانه مقايسه مي شود. قطعه رگي که اعتبار آن تاييد شده است تحت پردازشي قرار مي گيرد تا با رگ واقعي موجود در تصوير ورودي مطابقت پيدا کند. در نهايت، قطعه رگ هاي آشکار شده از پنجره ها با يکديگر ترکيب شده و نتيجه نهايي را ايجاد مي نمايند.
نتايج: تصاويري که براي ارزيابي روش پيشنهادي مورد استفاده قرار گرفته است از بانک تصوير DRIVE برگرفته شده است. نکته حايز اهميت راجع به تصاوير DRIVE اين است که عروق موجود در تصاوير اين بانک توسط فرد متخصص مشخص شده اند. روش پيشنهادي به 40 تصوير از بانک DRIVE اعمال شده و نتايج بدست آمده از اعمال الگوريتم با نتايج دستي موجود مقايسه شدند. حاصل اين مقايسه براي هر تصوير دو کميت است که عبارتند از TPR و FPR با اعمال الگوريتم به تصاوير به ازاي مقادير مختلف پارامترهاي آن و ميانگين گيري از مقادير TPR و FPR مجموعه اي از نتايج بدست مي آيد که جهت ترسيم منحني ROC مورد استفاده قرار مي گيرند. در اين مقاله، منحني ROC مبناي مقاسيه دقت روش هاي مختلف قرار گرفته است.
بحث و نتيجه گيري: مقايسه منحنيROC  بدست آمده از اعمال روش پيشنهادي با منحني بدست آمده از ديگر روش هاي موجود نشان دهنده دقت نسبتا بيشتر اين الگوريتم در آشکارسازي عروق شبکيه چشم است و در نتايج حاصل از اين روش، ترکيبي از عروق باريک و ضخيم شبکيه رويت مي شود. از نکات مثبت اين الگوريتم دقت بالا در کنار عدم حساسيت نسبت به نويز موجود در تصاوير است که باعث برتري نسبي آن به الگوريتم هاي همتايش مي شود.