การตรวจหาและแบ่งส่วนของออพคิตดิสและคัพในสภาพแวดล้อมที่มีความซับซ้อนสูงเพื่อการช่วยวินิจฉัยทางการแพทย์

Abstract

โรคต้อหินเป็นสาเหตุหลักที่ทำให้เกิดตาบอด การตรวจหาและการรักษาในระยะแรกนั้นเป็นสิ่งสาคัญเพื่อลดการสูญเสียการมองเห็น การตรวจหาโรคต้อหิน โดยการใช้อัตราส่วนของถ้วยประสาทตาต่อจอประสาทตานั้นต้องการข้อมูลที่แม่นยำ ฉะนั้นการระบุจอประสาทตาจึงมีความสำคัญในการพัฒนาระบบสำหรับการวินิฉัยอัตโนมัติเกี่ยวกับโรคทางดวงตาที่ร้ายแรงต่าง ๆ ในงานวิจัยนี้ได้นำเสนอการ localization จอประสาทตาอัตโนมัติในภาพถ่ายจอประสาทตาในสภาพแวดล้อมที่มีความซับซ้อนต่าง ๆ ผลลัพธ์ที่เป็นไปได้ทั้งหมดจะถูกรวมอยู่ในพื้นที่ผลลัพธ์สุดท้ายโดยการใช้ voting method วิธีการที่นำเสนอได้ทำการประเมินกับชุดข้อมูลจากฐานข้อมูลสาธารณะ 7 แห่งคือ DIARETDB0, DIARETDB1, MESSIDOR, ROC, E-OPHTHA, HRF, และ ARIA databases ความแม่นยำ ของวิธีที่เสนอคือ 99.23%, 100.00%, 98.58%, 99.00%, 96.34%, 100.00% และ 91.61% ตามลำดับ สำหรับการแบ่งส่วนถ้วยประสาทตานั้นมักจะมองเห็นได้ไม่ชัดเจนนั้นหมายความว่าวิธีการหลาย ๆ วิธีทำให้การแบ่งส่วนเกิดข้อผิดพลาด ดังนั้นเราจึงนำเสนอขั้นตอนวิธีการแบ่งส่วนจอประสาทตาและถ้วยประสาทตาแบบอัตโนมัติโดยใช้ Polar transform เพื่อสนับสนุนการทำงานและการวิเคราะห์ การแบ่งส่วนจอประสาทตาเป็นขั้นตอนที่จำเป็นสาหรับการกำหนด ROI ของถ้วยประสาทตา Polar space (PS) เปิดเผยลักษณะขอบเขตจอประสาทตาและถ้วยประสาทตาเป็น vertical transition region การดำเนินการทางสัณฐานวิทยาของ PS และการปรับรูปร่างให้เรียบจะถูกนำมาใช้เพื่อปรับปรุงรูปร่างจอประสาทตาและ ถ้วยประสาทตา วิธีที่นำเสนอได้รับการทดสอบในฐานข้อมูล Drishti-gs ผลที่ได้รับการประเมินโดยใช้สามตัวชี้วัดซึ่งเป็น F-score, Boundary localization error, and overlap ประสิทธิภาพการแบ่งส่วนจอประสาทตาที่ได้คือ 91.9, 85.2 และ 13.8 ประสิทธิภาพของการแบ่งส่วนถ้วยประสาทตา คือ 87.7, 86.2 และ 12.3 ตามลำดับ