Gradient boosted segmentation of retinal fundus images

Abstract

Názov práce: Gradientová segmentácia snímok očného pozadia Autor: Matúš Goliaš Katedra: Katedra softwaru a výuky informatiky Vedúci práce: Doc. RNDr. Elena Šikudová PhD., Katedra softwaru a výuky informatiky Abstrakt: V posledných rokoch sa zvýšilo využívanie automatických metód v lekárskej diag- nostike. Značný počet publikácií bol zameraných na analýzu očných poškodení a chorôb. Jedným z najzávažnejších ochorení oka je zelený zákal (glaukóm). Spôsobuje poškodenie očných nervov a postupnú stratu zraku. Podstatný krok k rýchlejšej diagnóze tejto choroby je presná segmentácia terča zrakového nervu a jeho exkavácie. Táto úloha je náročná z dôvodu mnohých druhov poškodenia očnej sietnice, rôznych prístupov k získavaniu obrázkov očného pozadia a chýb spôsobených zachytávaním obrazu v kamere. Táto práca popisuje prahovací al- goritmus založený na postupnom zlepšovaní zvoleného prahu pre segmentáciu terča zrakového nervu. Definujeme funkciu podobnosti objektu k terču ako ria- diaci prvok vylepšovania prahu. Následne poskytneme algoritmus pre nájdenie ex- kavácie zrakového nervu založený na klasifikácií superpixelov. Predkladáme prí- stup používajúci gradientom zosilnené rozhodovacie stromy, ktoré ukazujú lepšie výsledky oproti náhodnému lesu a mechanizmus podporných vektorov. Ďalej vy- hodnotíme predstavené...

Title: Gradient boosted segmentation of retinal fundus images Author: Matúš Goliaš Department: Department of Software and Computer Science Education Supervisor: Doc. RNDr. Elena Šikudová PhD., Department of Software and Computer Science Education Abstract: Over the recent years, there has been an increase in the use of automatic methods in medical diagnosis. A significant number of publications have analysed eye disorders and diseases. One of the most severe eye conditions is glaucoma. It damages optic nerves and causes gradual loss of vision. An essential step towards a faster diagnosis of this disease is accurate segmentation of the optic disc and cup. This task is difficult due to many retinal defects, different image acquisition techniques, and artefacts caused by imaging devices. This thesis describes an iterative threshold-based algorithm for extraction of the optic disc. An objective function quantifying object similarity to the optic disc is defined to direct the iteration. Following that, we introduce a superpixel-based classification algorithm for extraction of the optic cup. We propose the use of gradient boosted decision trees which outperform random forest and support vector machine. In addition, we evaluate the proposed algorithms and their alternatives on a publicly available retinal fundus...