Distintas t cnicas para la segmentaci n retinal
Download
1 / 34

Distintas técnicas para la segmentación retinal - PowerPoint PPT Presentation


  • 113 Views
  • Uploaded on

Distintas técnicas para la segmentación retinal. Álvaro Gala Guzmán. OBJETIVO : SEGMENTAR AUTOMÁTICAMENTE LA RETINA MEDIANTE TRATAMIENTO DIGITAL. Segmentar los vasos sanguíneos Segmentar el disco óptico Segmentar exudaciones Utilidad: Detección y prevención de transtornos en la visión.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Distintas técnicas para la segmentación retinal' - boris-pickett


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

Objetivo segmentar autom ticamente la retina mediante tratamiento digital
OBJETIVO: SEGMENTAR AUTOMÁTICAMENTE LA RETINA MEDIANTE TRATAMIENTO DIGITAL

  • Segmentar los vasos sanguíneos

  • Segmentar el disco óptico

  • Segmentar exudaciones

    Utilidad:

    Detección y prevención de transtornos en la visión


Im genes utilizadas retinograf as
IMÁGENES UTILIZADAS: RETINOGRAFÍAS

Escala de grises con vasos sanguíneos en oscuro

Escala de grises con vasos sanguíneos en claro

Color

RGB

HLS


T cnicas utilizadas
TÉCNICAS UTILIZADAS

  • Operadores morfológicos (erosiones, dilataciones, aperturas, cierres, top-hats, gradientes…)

  • Reconstrucciones geodésicas

    • Reconstrucción por dilatación

    • Reconstrucción por erosión

dj ( J ) = ( JB)I

Dilatación geodésica

gS(J) = dj ( J )

Reconstrucción

Hasta estabilidad

j ( J ) = ( J⊝B)I

Erosión geodésica

S(J) = j ( J )

Reconstrucción

Hasta estabilidad


T cnicas utilizadas1
TÉCNICAS UTILIZADAS

  • Filtros espaciales

    • Filtro LoG

      Laplacian (Gaussian =1.75,with=7 px (Img))

    • Filtro ASF

      ASF(Img)= f(nB)(…(g(2B)((f(B)(g(B)(Img))))...)

    • Variación local de nivel gris

      V(x)= [1/(N-1)]Sxe W(x)(Img(x) - mimg(x))2


Transformaci n watershed
TRANSFORMACIÓN WATERSHED

  • Segmenta la imagen de manera “demasiado” efectiva

    Idea: Tomar la imagen como una superficie montañosa en la que el valor de gris de cada píxel denota la altitud en ese punto.

Imagen original

Detección de bordes (gradiente morfológico:

G(img)=(img  b) –

(img  b))

El gradiente es interpretado como un relieve


Transformaci n watershed1
TRANSFORMACIÓN WATERSHED

  • Vicent y Soille (1991): Simular un proceso de inundación

Problemas:

- Tiempo de ejecución alto

- No segmenta completamente

  • “Agujerear” mínimos

  • Inundar: empezando por los mínimos de más baja altitud, el agua irá rellenando las cuencas, convirtiéndolas en lagos.

  • En los puntos donde el agua viene de diferentes mínimos se construye una “presa”. (Regiones Watershed asociada a cada mínimo)


Transformaci n watershed basada en c digos de cadena
TRANSFORMACIÓN WATERSHED BASADA EN CÓDIGOS DE CADENA

  • Simular un proceso de lluvia:

  • Cuando cae una gota de lluvia, ésta fluye ladera abajo hacia su correspondiente mínimo, desplazándose a traves de píxeles conexos mínimos, cumpliéndose: camino L =pl pl-1,…, p1 p0 , donde gris(pl)>=…>= gris(pi)>= gris(pi-1) >=…>= gris(p0)

- Todas las rutas Li que terminen en el mismo mínimo (sumidero) formarán la cuenca asociada a él.


Transformaci n watershed basada en c digos de cadena1
TRANSFORMACIÓN WATERSHED BASADA EN CÓDIGOS DE CADENA

  • Implementación:

    • Códigos point-out y point-in

  • Etiquetar regiones (cuencas) siguiendo los point-in desde cada sumidero

  • Etiquetar point-out y point-in de los píxeles con vecinos más bajos

  • Propagar etiquetas a través de colas fifo por las mesetas

- Tiempo de ejecución muy bajo

- Segmenta completamente (en exceso)

4 regiones


Solventar la sobresegmentaci n mezcla de regiones
SOLVENTAR LA SOBRESEGMENTACIÓN: MEZCLA DE REGIONES

  • Watershed demasiado eficiente

Sobresegmentación

(~10134 regiones)

Original

  • Solución: Mezclar regiones hasta obtener una segmentación aceptable


Mezcla de regiones

e

e

2

3

1

ab

b

a

6

5

4

c

c

d

d

MEZCLA DE REGIONES

  • Mezclar en cada paso las dos regiones adyacentes con menor valor d(,)

  • Crear grafo no dirigido RAG (Region Adyacency raph)

Mezclar regiones con proceso iterativo siguiendo el valor de desimilitud:

  • En cada paso:

  • - Encontrar los dos nodos con menor valor de d

  • Eliminamos dichos nodos

  • Añadimos uno nuevo mezcla de los dos

  • Recalculamos área, intensidad media, regiones adyacentes, nuevos d

Área de la región

Posibles condiciones de parada:

- Alcanzar un valor umbral de d

- Llegar a un número determinado de regiones

con:

Intensidad media de gris en la región


Mezcla de regiones1
MEZCLA DE REGIONES

Imagen sobresegmentada por el Watershed


Segmentando vasos sangu neos
SEGMENTANDO VASOS SANGUÍNEOS

  • Preprocesamiento

  • Reducción de ruido

  • Evaluación de curvatura

  • Filtros lineales

  • Binarización o Watershed


Segmentando vasos sangu neos prepocesamiento
SEGMENTANDO VASOS SANGUÍNEOS: PREPOCESAMIENTO

Redimensionar a

512 píxeles de ancho

Invertir

Extraer canal verde + Invertir


Segmentando vasos sangu neos reducci n de ruido blanco
SEGMENTANDO VASOS SANGUÍNEOS: REDUCCIÓN DE RUIDO BLANCO

Maxi=1..12{gLi(Img)}

Máximo de las 12 aperturas con los elementos estructurales:

15º

15x1 píxeles


Segmentando vasos sangu neos reducci n de ruido blanco1
SEGMENTANDO VASOS SANGUÍNEOS: REDUCCIÓN DE RUIDO BLANCO

Rec.Geodésica

del max. aperturas

Eliminamos ruido blanco, dejando intactos los vasos sanguíneos.


Segmentando vasos sangu neos reducci n de ruido blanco2
SEGMENTANDO VASOS SANGUÍNEOS: REDUCCIÓN DE RUIDO BLANCO

Sumatorio detop-hats

i=1..12 {Imgant - gLi(Img)}

Reduce ruido blanco y mejora el contraste de las partes lineales.

En este momento, podríamos obtener una primera segmentación de los vasos realizando una binarización, pero continuaremos nuestro algoritmo realizando un estudio de la curvatura.


Segmentando vasos sangu neos evaluaci n de curvatura y filtros lineales
SEGMENTANDO VASOS SANGUÍNEOS: EVALUACIÓN DE CURVATURA Y FILTROS LINEALES

EVALUACIÓN DE CURVATURA

FILTROS LINEALES

Nueva recons. geodésica por dilatación sobre el máx. de las 12 aperturas seguida de recons. geodésica por erosión sobre el mínimo de los doce cierres

Gaussiano

Laplaciano

Laplacian[Gaussian=1.75,with=7 px (Imgant)]


Segmentando vasos sangu neos binarizaci n o watershed
SEGMENTANDO VASOS SANGUÍNEOS: BINARIZACIÓN O WATERSHED FILTROS LINEALES

Binarización

Watershed

¿Qué elegir?

Dependerá de la imagen y de la información que nos sea más útil.


Segmentando el disco ptico
SEGMENTANDO EL DISCO ÓPTICO FILTROS LINEALES

  • Preprocesamiento y espacios de color

  • Localizar el disco

  • Encontrar los contornos usando Watershed


Segmentando el disco ptico preprocesamiento y espacios de color
SEGMENTANDO EL DISCO ÓPTICO: PREPROCESAMIENTO Y ESPACIOS DE COLOR

Canal L (Luminancia en HLS)

Localización

Disco zona muy brillante

Canal R (Red en RGB)

Imagen original a color redimensionada

Detectar contornos

Contornos del disco mejor contrastados


Segmentando el disco ptico localizar el disco
SEGMENTANDO EL DISCO ÓPTICO: LOCALIZAR EL DISCO COLOR

Usaremos la Variación Local de gris para encontrar el disco.

¿ Es el disco la región con mayor variación de gris?

Si no existen exudaciones => SÍ

Canal L

Solución:

“Difuminar” variaciones del fondo medianteshade-correction:

s-c=CanalL – ASF(CanalL) + K,

ASF(Img)= f(nB)(…(g(2B)((f(B)(g(B)(Img))))...)

Shade-corrected


Segmentando el disco ptico localizar el disco1
SEGMENTANDO EL DISCO ÓPTICO: LOCALIZAR EL DISCO COLOR

Ahora sí: Variación Local

V(x)= [1/(N-1)]Sxe W(x) (Img(x) - mimg(x))2

Con N ~ 1/7 del tamaño de la imagen (Tamaño del disco óptico)

Centroide


Segmentando el disco ptico encontrar contornos del disco
SEGMENTANDO EL DISCO ÓPTICO: ENCONTRAR CONTORNOS DEL DISCO COLOR

Eliminamos picos blancos y reconstruimos

Eliminamos vasos

Canal R

Cierre

Apertura y Reconstrucción

geodésica


Segmentando el disco ptico encontrar contornos del disco1
SEGMENTANDO EL DISCO ÓPTICO: ENCONTRAR CONTORNOS DEL DISCO COLOR

Aplicamos WATERSHED acotándolo con marcas para segmentar el contorno:

marca interna: centroide ; marca externa: circunferencia

Gradiente(Imgant) si x e {centroide}U Circunferencia

Valor_max e.o.c.

M(x)=

Watershed [ Recons_erosión Gradiente(Imgant)(M) ]

Watershed sobre el gradiente

Watershed acotado con marcas


Segmentando exudaciones
SEGMENTANDO EXUDACIONES COLOR

  • Preprocesamiento y espacios de color

  • Encontrar regiones candidatas

  • Encontrar los contornos


Segmentando exudaciones preprocesamiento y espacio de color
SEGMENTANDO EXUDACIONES: PREPROCESAMIENTO Y ESPACIO DE COLOR COLOR

  • Exudaciones: Depósitos intrarrenales que aparecen como formas brillantes. Están bien contrastadas con respecto al fondo que las rodea.

Mejor contraste de las exudaciones.

Problemas: - El disco puede confundirse con una exudación

- Las regiones más claras entre vasos sanguíneos (oscuros) producen también un alto contraste local

Redimensionar

Canal verde (G, RGB)


Segmentando exudaciones encontrar regiones candidatas
SEGMENTANDO EXUDACIONES: ENCONTRAR REGIONES CANDIDATAS COLOR

N = 5

Aplicamos cierre para eliminar vasos

Variación local

V(x)= [1/(N-1)]Sxe W(x) (Img(x) - mimg(x))2

Dilatamos y rellenamos agujeros mediante reconstrucción por erosión

Binarización a1


Segmentando exudaciones encontrar regiones candidatas1
SEGMENTANDO EXUDACIONES: ENCONTRAR REGIONES CANDIDATAS COLOR

Borramos de la imagen una versión dilatada del disco óptico


Segmentando exudaciones encontrar regiones candidatas2
SEGMENTANDO EXUDACIONES: ENCONTRAR REGIONES CANDIDATAS COLOR

Canal verde

Regiones candidatas a exudaciones


Segmentando exudaciones encontrar los contornos
SEGMENTANDO EXUDACIONES: ENCONTRAR LOS CONTORNOS COLOR

- Img= Recons_dilatación Canal_verde(Imgant)

-Resultado= Binarización a2 [ Canal_verde – Img ]

  • Algoritmo de detección de componentes conexas

  • Contabilizar exudaciones y calcular sus áreas



ad