پردازش تصویر دیجیتال در چشم‌پزشکی: تشخیص سر عصب بینایی ۲۰۲۲
Digital Image Processing for Ophthalmology: Detection of the Optic Nerve Head 2022

تصاویر فوندوس شبکیه، تصاویر رنگی چشم هستند که توسط دوربین‌های دیجیتال ویژه گرفته می‌شوند. چشم پزشکان برای تشخیص بیماری‌های مختلفی که چشم را تحت تأثیر قرار می‌دهند، مانند رتینوپاتی دیابتی و رتینوپاتی نوزادان نارس، به تصاویر فوندوس متکی هستند. یک گام مقدماتی حیاتی در تجزیه و تحلیل تصاویر شبکیه، شناسایی و مکان‌یابی ساختارهای مهم آناتومیکی، مانند دیسک اپتیک (ONH)، ماکولا و قوس‌های اصلی عروقی است. شناسایی ONH یک گام اولیه مهم در تشخیص و تجزیه و تحلیل ساختارهای آناتومیکی و ویژگی‌های پاتولوژیک در شبکیه است. انواع مختلف پاتولوژی شبکیه را می‌توان از طریق استفاده از تکنیک‌های مناسب طراحی شده پردازش تصویر دیجیتال و تشخیص الگو شناسایی و تجزیه و تحلیل کرد. تجزیه و تحلیل تصاویر شبکیه به کمک کامپیوتر این پتانسیل را دارد که تجزیه و تحلیل کمی و عینی ضایعات و ناهنجاری‌های شبکیه را تسهیل کند. شناسایی و مکان‌یابی دقیق ویژگی‌ها و ضایعات شبکیه می‌تواند به بهبود تشخیص، درمان و مدیریت رتینوپاتی کمک کند. این کتاب مقدمه‌ای بر تصویربرداری تشخیصی شبکیه و مروری بر تکنیک‌های پردازش تصویر برای چشم پزشکی ارائه می‌دهد. به طور خاص، الگوریتم‌های پردازش تصویر دیجیتال و تکنیک‌های تجزیه و تحلیل الگو برای تشخیص ONH شرح داده شده است. در تصاویر فوندوس، ONH معمولاً به صورت یک ناحیه روشن، سفید یا زرد رنگ ظاهر می‌شود و به عنوان ناحیه همگرایی شبکه عروق خونی نشان داده می‌شود. استفاده از ویژگی‌های هندسی و شدت ONH، و همچنین این خاصیت که ONH نشان دهنده محل ورود عروق خونی و عصب بینایی به شبکیه است، در توسعه روش‌ها نشان داده شده است. تکنیک‌های پردازش تصویر که در کتاب شرح داده شده‌اند شامل فیلترهای مورفولوژیکی برای پیش پردازش تصاویر فوندوس، فیلترها برای تشخیص لبه، تبدیل هاف برای تشخیص خطوط و دایره‌ها، فیلترهای گابور برای تشخیص عروق خونی و تجزیه و تحلیل پرتره فاز برای تشخیص الگوهای همگرا یا گره مانند است. تصاویر مربوط به کاربرد روش‌ها بر روی تصاویر فوندوس از دو پایگاه داده در دسترس عموم، از نظر مکان‌یابی مرکز و مرز ONH، ارائه شده است. روش‌های ارزیابی کمی نتایج تشخیص ONH با استفاده از معیارهای همپوشانی و مشخصه‌های عملکرد گیرنده پاسخ آزاد نیز شرح داده شده است. فهرست مطالب: مقدمه / تجزیه و تحلیل تصاویر شبکیه به کمک کامپیوتر / تشخیص الگوهای هندسی / مجموعه داده‌ها و تنظیمات تجربی / تشخیص دیسک اپتیکبا استفاده از تبدیل هاف / تشخیص دیسک اپتیکبا استفاده از پرتره‌های فاز / سخن پایانی

Fundus images of the retina are color images of the eye taken by specially designed digital cameras. Ophthalmologists rely on fundus images to diagnose various diseases that affect the eye, such as diabetic retinopathy and retinopathy of prematurity. A crucial preliminary step in the analysis of retinal images is the identification and localization of important anatomical structures, such as the optic nerve head (ONH), the macula, and the major vascular arcades. Identification of the ONH is an important initial step in the detection and analysis of the anatomical structures and pathological features in the retina. Different types of retinal pathology may be detected and analyzed via the application of appropriately designed techniques of digital image processing and pattern recognition. Computer-aided analysis of retinal images has the potential to facilitate quantitative and objective analysis of retinal lesions and abnormalities. Accurate identification and localization of retinal features and lesions could contribute to improved diagnosis, treatment, and management of retinopathy. This book presents an introduction to diagnostic imaging of the retina and an overview of image processing techniques for ophthalmology. In particular, digital image processing algorithms and pattern analysis techniques for the detection of the ONH are described. In fundus images, the ONH usually appears as a bright region, white or yellow in color, and is indicated as the convergent area of the network of blood vessels. Use of the geometrical and intensity characteristics of the ONH, as well as the property that the ONH represents the location of entrance of the blood vessels and the optic nerve into the retina, is demonstrated in developing the methods. The image processing techniques described in the book include morphological filters for preprocessing fundus images, filters for edge detection, the Hough transform for the detection of lines and circles, Gabor filters to detect the blood vessels, and phase portrait analysis for the detection of convergent or node-like patterns. Illustrations of application of the methods to fundus images from two publicly available databases are presented, in terms of locating the center and the boundary of the ONH. Methods for quantitative evaluation of the results of detection of the ONH using measures of overlap and free-response receiver operating characteristics are also described. Table of Contents: Introduction / Computer-aided Analysis of Images of the Retina / Detection of Geometrical Patterns / Datasets and Experimental Setup / Detection of the\Optic Nerve Head\Using the Hough Transform / Detection of the\Optic Nerve Head\Using Phase Portraits / Concluding Remarks