| Título: |
Desarrollo de algoritmos para el reconocimiento de patrones en imágenes oftálmicas Algorithms design for pattern recognition in ophthalmic images |
| Autores: | JESUS ISMAEL CASARRUBIAS GARIN |
| Fecha: | 2017 |
| Publicador: | CICESE |
| Fuente: |
 |
| Tipo: | info:eu-repo/semantics/masterThesis |
| Tema: | info:eu-repo/classification/cti/7 |
| Descripción: |
La diabetes es una de las enfermedades que ha visto aumentada su prevalencia durante los últimos años; es una enfermedad crónica-degenerativa que con el paso del tiempo causa daños a los tejidos y desencadena complicaciones potencialmente letales. La retinopatía diabética (RD) es una de las complicaciones más frecuentes, el 95 \% de las personas que padecen diabetes eventualmente sufrirá de ésta.
Los microaneurismas son lesiones en los vasos sanguíneos, su presencia en la retina es el primer signo que evidencia la RD. El método de diagnóstico es la exploración del fondo de ojo mediante la técnica de oftalmoscopía directa e indirecta; con las cámaras de fondo de ojo, es posible obtener fotografías del fondo de ojo (retinografías). Con el objetivo de reducir la carga de trabajo de los oftalmólogos se han propuesto sistemas de diagnóstico asistido por computadora y de detección automática.
Esta tesis propone una metodología para la detección de microaneurismas en imágenes del fondo de ojo siguiendo el esquema general de la detección de objetos; en la metodología se incluye una etapa de optimización basada en el cómputo evolutivo (Algoritmos Genéticos "AG") para mejorar la etapa de generación de candidatos (Segmentación) asumiendo que entre más completas aparezcan las lesiones (microaneurismas), más exacta y precisa será su clasificación y por ende se mejorará la tasa de detección. La base de datos de imágenes del fondo de ojo fue conformada con 58 imágenes de la base de datos DiaretDB1.
El objetivo principal es demostrar que la sintonización de parámetros utilizando un algoritmo genético, efectivamente le da mejores oportunidades de detección al sistema. La validación consistió en comparar el número de lesiones presentes en la imagen resultado de aplicar la segmentación y umbralización utilizando 1) parámetros de procesamiento aleatorios (los parámetros con mejor aptitud en las primeras generaciones del AG), 2) los parámetros con mejor aptitud de la última generación del AG. Los métodos fueron implementados en el lenguaje "Python 2.7" a través del entorno de trabajo "Spyder 2"; se aplicaron técnicas de procesamiento digital de imágenes (mejora de contraste, reducción de ruido, segmentación, umbralización) y la parte de la clasificación se desarrolló en el software "Weka 3.6.13". Diabetes is one of the diseases with the highest prevalence among the world population; it's a chronic-degenerative disease that causes severe damage to all body tissues over time and triggers potentially lethal complications. Diabetic retinopathy is one of the most common complications, and 95 \% of diabetics will eventually develope it. Microaneurysms are small lessions in the blood vessels, and their presence in the retina is the first clinical sign that evidences diabetic retinopathy. The diagnose method consists in exploring the eye fundus through direct and indirect ophthalmoscopy; thanks to the fundus eye cameras it's possible to obtain photographs of the eye fundus (retinographies). In order to reduce the workload of ophthalmologists, computer assisted diagnosis and automatic detection systems have been proposed. This research proposes a methodology for microaneurysms detection in fundus eye images according to the general scheme for objects detection; in this methodology an optimization stage is include based on evolutionary computation (Genetic Algorithms "GA") to improve the candidate generation stage (Segmentation) under the belief that the better the lesions (microaneurysms) appear in the resulting image, the more accurate and precise will be their classification and thus the detection rate will be improved. DiaretDB1 was used as the fundus eye image database, and 58 images were selected. Gathered results demonstrate that the optimization technique effectively gives better detection opportunities to the system. Validation consisted in comparing the number of lesions appearing in the resulting image after segmentation and thresholding stages using 1) random processing parameters (best fitness among the first generations of the GA), and 2) processing parameters with the highest fitness at the GA last generation. All digital image processing techniques (contrast enhancement, noise reduction, segmentation, thresholding) were implemented using "Python 2.7" through the "Spyder 2" work environment; the classification stage was developed by means of the "Weka 3.6.13" software. |
| Idioma: | spa |
1 | 6 |
2 | 7 |
3 | 8 |
4 | 9 |
5 | 10 |