uprinmatusИзвестия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроениеProceedings of the Southwest State University. Series: IT Management, Computer Science, Computer Engineering. Medical Equipment Engineering2223-1536Юго-Западный государственный университет10.21869/2223-1536-2023-13-4-99-114uprinmatus-130Research ArticleРАСПОЗНАВАНИЕ И ОБРАБОТКА ИЗОБРАЖЕНИЙIMAGE RECOGNITION AND PROCESSINGМетодика диагностики глаукомы по снимкам глазного дна человекаMethod of Diagnosis of Glaucoma Based on Human Fundus Imageshttps://orcid.org/0000-0002-4204-0268КомковаС. В.KomkovaS. V.

Комкова Светлана Владимировна, кандидат технических наук, доцент

ул. Орловская, д. 23, Владимирская область, г. Муром 602264

Researcher ID: N-6360-2016

Svetlana V. Komkova, Cand. of Sci. (Engineering), Associate Professor

23 Orlovskaya Str., Vladimir Region, Murom 602264

Researcher ID: N-6360-2016

savicheva-svetlana2010@yandex.ruМуромский институт (филиал) Владимирского государственного университета имени А. Г. и Н. Г. СтолетовыхРоссияMurom Institute (Branch) Vladimir State University named after A. G. and N. G. StoletovRussian Federation20232401202413499114Copyright © Комкова С.В., 20242024Комкова С.В.Komkova S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://uprinmatus.elpub.ru/jour/article/view/130

Цель исследования ‒ разработка методики обнаружения глаукомы, которая основана на вычислении величины соотношения размеров оптической чашки и оптического диска и правиле четырех квадрантов. Их использование повышает точность обнаружения глаукомы на изображениях сетчатки глаза человека.

Методы

Методы. Предложена методика обнаружения глаукомы, которая использует отношение вертикального диаметра чашки к вертикальному диаметру диска и правило «четырех квадрантов» в качестве двух основных параметров для обнаружения глаукомы. Диск зрительного нерва (OД), глазная чашка (OЧ) сегментируются с использованием метода наращивания областей и метода водоразделов, а затем объединяются для получения окончательных результатов. Их объединение выполняется с помощью логической операции ИЛИ. Полученные изображения аппроксимируются с применением круговой аппроксимации, поскольку ее реализация проста за счет вычисления одного центра и радиуса. Для диагностики было решено применять два параметр ‒ соотношение чашки и диска (ОЧД) и правило четырех квадрантов. Их комбинированная оценка позволяет увеличить точность обнаружения глаукомы.

Результаты

Результаты. Исследование предложенной методики было произведено на снимках сетчатки глаза, полученных из 4 баз данных: HRF, DIARETDB1, DRIONS-DB, Messidor. Исследование показало, что предложенная методика правильно определяет 75 изображений сетчатки как глаукомные из 84с общей чувствительностью 91,67%. Из 163 нормальных изображений 154 были правильно классифицированы как нормальные со специфичностью 94,47%.

Заключение

Заключение. Предлагаемая методика проста и вычислительно эффективна. Она может быть использована в компьютерной диагностике глаукомы на ранних стадиях заболевания.

The purpose of the research to develop a technique for detecting glaucoma, which is based on calculating the size ratio of the optical cup and optical disc and the "four quadrants" rule. Their use increases the accuracy of glaucoma detection in human retina images.

Methods

Methods. A glaucoma detection technique is proposed that uses the ratio of the vertical diameter of the cup to the vertical diameter of the disc and the "four quadrants" rule as the two main parameters for the detection of glaucoma. The optic nerve disc (OD), the ocular cup (OCH) are segmented using the area extension method and the watershed method, and then combined to obtain the final results. Their union is performed using the logical operation OR. The resulting images are approximated using circular approximation, since its implementation is simple by calculating a single center and radius. For diagnostics, it was decided to use two parameters: the ratio of the cup and the disc (OCD) and the rule of "four quadrants". Their combined assessment makes it possible to increase the accuracy of glaucoma detection.

Results

Results: the study of the proposed technique was performed on retinal images obtained from 4 databases: HRF, DIARETDB1, DRIONS-DB, Messidor. The study showed that the proposed technique correctly identifies 75 retinal images as glaucoma out of 84 with a total sensitivity of 91.67%. Of the 163 normal images, 154 were correctly classified as normal with a specificity of 94.47%.

Conclusion

Conclusion. The proposed method is simple and computationally efficient. It can be effectively used in computer diagnostics of glaucoma in the early stages of the disease.

глаукомаслепотаоптическая чашкаоптический дискнаращивание областейметод водоразделаglaucomablindnessoptical cupoptical discarea extensionwatershed methodReferencesAbdel-Razik Youssif A., Ghalwash A., Abdel-Rahman Ghoneim A. Optic disc detection from normalized digital fundus images by means of a vessels’ direction matched filter // Medical Imaging. 2018. Vol. 27, N 1. Р. 11–18.Abdel-Razik Youssif A., Ghalwash A., Abdel-Rahman Ghoneim A. Optic disc detection from normalized digital fundus images by means of a vessels’ direction matched filter. Medical Imaging, 2018, vol. 27, no. 1, pp. 11–18.Evaluation of a system for automatic detection of diabetic retinopathy from color fundus photographs in a large population of patients with diabetes / M. D. Abrmoff, M. Niemeijer, M. S. A. Suttorp-Schulten, M. A. Viergever, S. R. Russell, B. V. Ginneken // Diabetes Care. 2008. Vol. 31, N 2. Р. 193–198.Abrmoff M. D., Niemeijer M., Suttorp-Schulten M. S. A., Viergever M. A., Russell S. R., Ginneken B. V. Evaluation of a system for automatic detection of diabetic retinopathy from color fundus photographs in a large population of patients with diabetes. Diabetes Care, 2008, vol. 31, no. 2, pp. 193–198.Комкова С. В. Методика формирования вектора признаков по изображениям сетчатки глаза // Естественные и технические науки. 2021. № 4. С. 250−252.Komkova S. V. Metodika formirovaniya vektora priznakov po izobrazheniyam setchatki glaza [Methodology for forming a feature vector based on retinal images]. Estestvennye i tekhnicheskie nauki = Natural and Technical Sciences, 2021, no. 4, pp. 250‒252.Комкова С. В. Алгоритм идентификации экссудатов на изображениях сетчатки глаза человека // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 1. C. 47–51. https://doi.org/10.14489/vkit.2022.01.Komkova S. V. Algoritm identifikacii ekssudatov na izobrazheniyah setchatki glaza cheloveka [Algorithm for identification of exudates in human retinal images]. Vestnik komp'yuternyh i informacionnyh tekhnologij = Bulletin of Computer and Information Technologies, 2022, vol. 19, no. 1, pp. 47‒51. https://doi.org/10.14489/vkit.2022.01.pp.047-051Glaucoma detection using retinal fundus images: A review / J. Cheng, J. Liu, Y. Xu, F. Yin, D. W. K. Wong // Computers in biology and medicine. 2019. N 109. P. 216‒229. https://doi.org/10.1016/j.compbiomed.2019.04.010.Cheng J., Liu J., Xu Y., Yin F., Wong D. W. K. Glaucoma detection using retinal fundus images: A review. Computers in Biology and Medicine, 2019, no. 109, pp. 216‒229. https://doi.org/10.1016/j.compbiomed.2019.04.010Automated diagnosis of glaucoma using retinal fundus images / M. U. Akram, S. Khalid, S. A. Khan, S. M. Anwar // Computers in biology and medicine. 2020. N 124. P. 103949. https://doi.org/10.1016/j.compbiomed.2020.103949.Akram M. U., Khalid S., Khan S. A., Anwar S. M. Automated diagnosis of glaucoma using retinal fundus images. Computers in Biology and Medicine, 2020, no. 124, p. 103949. https://doi.org/10.1016/j.compbiomed.2020.103949Glaucoma detection using deep learning and optic disc segmentation / Z. Li, Y. He, S. Keel, W. Meng, R. T. Chang, H. Huang, N. Wang // IEEE transactions on medical imaging. 2018. Vol. 37, N 9. https://doi.org/10.1109/TMI.2018.2829199.Li Z., He Y., Keel S., Meng W., Chang R. T., Huang H., Wang N. Glaucoma detection using deep learning and optic disc segmentation. IEEE Transactions on Medical Imaging, 2018, vol. 37, no. 9, pp. 1993‒2004. https://doi.org/10.1109/TMI.2018.2829199Computer-aided diagnosis of glaucoma: A review / U. R. Acharya, E. Y. K. Ng, J. E. Eugene Koh, D. Wen Long Wong, C. Chee // Medical and Biological Engineering and Computing. 2020. Vol. 58, N 11. P. 2531‒2553. https://doi.org/10.1007/s11517-020-02176-x.Acharya U. R., Ng E. Y. K., Eugene Koh J. E., Wen Long Wong D., Chee C. Computeraided diagnosis of glaucoma: A review. Medical and Biological Engineering and Computing, 2020, vol. 58, no. 11, pp. 2531‒2553. https://doi.org/10.1007/s11517-020-02176-xDetecting Structure and Progression of Glaucomatous Visual Field Defects Using Deep Learning. Glaucoma detection using machine learning techniques / R. Asaoka, H. Murata, A. Iwase, M. Araie // Journal of Clinical Medicine. 2019. Vol. 8, N 12. P. 2090. https://doi.org/10.3390/jcm8122090.Asaoka R., Murata H., Iwase A., Araie M., Detecting Structure and Progression of Glaucomatous Visual Field Defects Using Deep Learning. Glaucoma detection using machine learning techniques. Journal of Clinical Medicine, 2019, vol. 8, no. 12, p. 2090. https://doi.org/10.3390/jcm8122090Identifying medical diagnoses and treatable diseases by image-based deep learning / D. S. Kermany, M. Goldbaum, W. Cai, C. C. S. Valentim, H. Liang, S. L. Baxter, J. Liu // Cell. 2018. Vol. 172, N 5. P. 1122‒1131. https://doi.org/10.1016/j.cell.2018.02.010.Kermany D. S., Goldbaum M., Cai W., Valentim C. C. S., Liang H., Baxter S. L., Liu J. Identifying medical diagnoses and treatable diseases by image-based deep learning. Cell, 2018, vol. 172, no. 5, pp. 1122‒1131. https://doi.org/10.1016/j.cell.2018.02.010Glaucoma detection using retinal images and deep learning: A review / H. Fu, J. Cheng, Y. Xu, F. Yin, D. W. K. Wong // Computer methods and programs in biomedicine. 2019. N 182. P. 105068. https://doi.org/10.1016/j.cmpb.2019.105068.Fu H., Cheng J., Xu Y., Yin F., Wong D. W. K. Glaucoma detection using retinal images and deep learning: A review. Computer Methods and Programs in Biomedicine, 2019, no. 182, p. 105068. https://doi.org/10.1016/j.cmpb.2019.105068Diagnostic accuracy of a deep learning system in detecting glaucoma on photographs of the optic disc / V. T. J. Koh, Y. C. Tham, C. Y. Cheung, W. L. Wong, M. Baskaran, S. M. Saw, T. Y. Wong // Ophthalmology. 2019. Vol. 126, N 12. P. 1627‒1639. https://doi.org/10.1016/j.ophtha.2019.06.026.Koh V. T. J., Tham Y. C., Cheung C. Y., Wong W. L., Baskaran M., Saw S. M., Wong T. Y. Diagnostic accuracy of a deep learning system in detecting glaucoma on photographs of the optic disc. Ophthalmology, 2019, vol. 126, no. 12, pp. 1627‒1639. https://doi.org/10.1016/j.ophtha.2019.06.026Glaucoma detection using retinal images: A survey / Y. Xu, J. Cheng, J. Liu, F. Yin, D. W. K. Wong // Artificial intelligence in medicine. 2020. N 102. P. 101759. https://doi.org/10.1016/j.artmed.2019.101759.Xu Y., Cheng J., Liu J., Yin F., Wong D. W. K. Glaucoma detection using retinal images: A survey. Artificial Intelligence in Medicine, 2020, no. 102, p. 101759. https://doi.org/10.1016/j.artmed.2019.101759Кишечник Е. С., Воронцова И. Г. Диагностические методы оценки состояния макулярного отдела сетчатки нижнего гормонального системного регулирования // Глаукома. 2013. Т. 1, № 2. С. 117‒119.Intestines E. S., Vorontsova I. G. Diagnosticheskie metody ocenki sostoyaniya makulyarnogo otdela setchatki nizhnego gormonal'nogo sistemnogo regulirovaniya [Diagnostic methods for assessing the state of the macular retina of the lower hormonal system regulation]. Glaukoma = Glaucoma, 2013, vol. 1, no. 2, pp. 117‒119.Клиническая офтальмология: национальное руководство / под ред. Е. Н. Иомдина. М.: ГЭОТАР-Медиа, 2016.Klinicheskaya oftal'mologiya: nacional'noe rukovodstvo [Clinical ophthalmology: National guidelines]; ed. by E. N. Iomdin. Moscow, GEOTAR-Media Publ., 2016.Мещеряков О. В. Методы пассифицированного оценивания сетчатого кровотока при глаукоме // Глаукома. 2015. Т. 2, № 1. С. 97‒106.Meshcheryakov O. V. Metody passificirovannogo ocenivaniya setchatogo krovotoka pri glaukome [Methods of pacified assessment of reticular blood flow in glaucoma]. Glaucoma = Glaukoma, 2015, vol. 2, no. 1, pp. 97‒106.Сегментирование данных в задачах распознавания объектов / С. В. Дегтярев, Е. А. Криушин, Д. В. Никулин, Е. Н. Иванова // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2021. Т. 11, № 2. С. 76‒86.Degtyarev S. V., Kriushin E. A., Nikulin D. V., Ivanova E. N. Segmentirovanie dannyh v zadachah raspoznavaniya ob"ektov [Data segmentation in object recognition tasks]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya: Upravlenie, vychislitel'naya tekhnika, informatika. Medicinskoe priborostroenie = Proceedings of the Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering, 2021, vol. 11, no. 2, pp. 76‒86.Конаныхин А. Ю., Конаныхина Т. Н., Панищев В. С. Методы улучшения выделенной области изображения при быстродействующей обработке символьной информации // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2021. Т. 11, № 4. С. 106‒119. https://doi.org/10.21869/2223-1536-2021-11-4-106-119.Konanykhin A. Yu., Konanykhina T. N., Panishchev V. S. Metody uluchsheniya vydelennoj oblasti izobrazheniya pri bystrodejstvuyushchej obrabotke simvol'noj informacii [Methods for improving the selected image area with high-speed processing of symbolic information]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya: Upravlenie, vychislitel'naya tekhnika, informatika. Medicinskoe priborostroenie = Proceedings of the Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering, 2021, vol. 11, no. 4, pp. 106‒119. https://doi.org/10.21869/2223-1536-2021-11-4-106-119Алгоритм настройки нечеткого логического вывода в медицинских информационных системах, основанных на знаниях / М. С. Голосовский, А. Б. Юдин, В. Р. Медведев, С. Н. Васягин, Е. В. Евтушенко // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2021. Т. 11, № 4. С. 196‒211. https://doi.org/10.21869/2223-1536-2021-11-4-196-211.Golosovsky M. S., Yudin A. B., Medvedev V. R., Vasyagin S. N., Yevtushenko E. V. Algoritm nastrojki nechetkogo logicheskogo vyvoda v medicinskih informacionnyh sistemah, osnovannyh na znaniyah [Algorithm for configuring fuzzy inference in medical information systems based on knowledge]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya: Upravlenie, vychislitel'naya tekhnika, informatika. Medicinskoe priborostroenie = Proceedings of the Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering, 2021, vol. 11, no. 4. pp. 196‒211. https://doi.org/10.21869/2223-1536-2021-11-4-196-211Комкова С. В. Методика обнаружения твердых экссудатов на изображениях глазного дна человека // Телекоммуникации. 2022. № 10. С. 24‒28.Komkova S. V. Metodika obnaruzheniya tverdyh ekssudatov na izobrazheniyah glaznogo dna cheloveka [Methodology for detecting hard exudates in human fundus images]. Telekommunikacii = Telecommunications, 2022, no. 10, pp. 24‒28.

The authors declare that there are no conflicts of interest present.