Retina görüntülerinde yaşa bağlı makula dejenerasyonunun otomatik bölütlenmesi

Abstract

İnsanoğlunun en önemli duyu organlarından biri olan göz, ilerleyen yasa ve ortama bağlı olarak islevselliği zayıflayabilir. Bu çalısmada, hastalardan elde edilen retina görüntüleri üzerinde çesitli görüntü isleme teknikleri kullanarak, ilerleyen yasla ortaya çıkan Yasa Bağlı Makula Dejenerasyonu (YBMD) sonucunda olusan drusen denilen sarı parlak yapıların algılanıp bölütlenmesi amaçlanmıstır. Bu amaç doğrultusunda, ilk olarak drusenlerin bulunduğu makula bölgesinin lokalizasyonu için optik diskin bulunması hedeflenmistir. Optik diskin bulunurken, optik disk üzerindeki damarların olusturduğu kenar bilgilerinden faydalanmak için dikey kenar algılama filtreleri kullanılmıştır. Filtrelenmis görüntü üzerinde dikey toplam parlaklık değeri histogramı hesaplanarak, parlak damar kenarlarının histogramda olusturduğu maksimum değer tespit edilir. Bu maksimum değer büyük oranda optik disk üzerinden geçer. Böylece optik disk algılanıp makula ile olan geometrik iliskisinden faydalanarak drusenlerin bulunduğu makula bölgesi lokalize edilir. Burada, bölütleme islemine geçilmeden önce optik diskin eliminasyonunun gerçeklestirilmesi gerekmektedir. Bunun nedeni, drusenlerin parlaklık dağılımı ile optik diskin parlaklık dağılımlarının benzer olmasıdır. Retina üzerindeki yapılar, damarlar, optik disk, makula, retina dokusu ve hastalıklı dokular olarak sıralanabilir. Amaç, hastalıklı dokuların tespiti olduğu için retina üzerindeki diğer dokuların eliminasyonu gerekmektedir. Bu amaçla, istatistiksel ve bölge büyütme yöntemleri yardımıyla sağlıklı dokular bölütlenip, bölütlenen alanın tersi alınarak drusenlerin bölütlenmesi gerçeklestirilmistir. Ayrıca, kullanılan bu yöntemler birbiriyle karsılastırılarak çalısmanın sonuç kısmında verilmistir. Drusenlerin elle bölütlenip nicel verilerin toplanması oldukça zordur ve zaman almaktadır. Yapılan bu çalısma ile drusenler hakkında alan bilgisi, zaman içerisinde ki değisim ve gelisim evrelerinin belirlenmesi gibi veriler kolayca elde edilebilir. Böylece, hekimlerin, hastanın zamana göre takibi, uygulanılan tedavinin faydalı olup olmadığı ve dozajının uygunluğu hakkında karar vermesi kolaylaşmış olur. Age-Related Macula Degeneration (ARMD) is one of the most common eye diseases causing the vision lost over 65 years old. In this study, a method is proposed to determine the drusens or ARMDs which occur as yellow-white small accumulation on the macula in the beginning of the disease. In the application, the optic disc is first detected in order to localize the macula region. For the finding of optic disc, we used the vertical edge detection filter to benefit from the knowledge of the edges of the disc which results from vessels. Hence, the maximum value is obtained from the histogram of the filtered image by calculating the vertical total intensity value. Then, the maximum value is used to determine the optic disc. Then, macular region including drusen is localized from geometrical relation between the optic disk and macula. Finally, the macula is located, and then the optic disc is eliminated to prevent the mis-segmentation because of the similarity between the intensity distribution of drusen and optic disk before the segmentation. In addition to the pathological lesions, the texture of an eye consists of vessels, optic disc and macula. Since our aim is to determine the pathological lesions, the normal retinal textures should be eliminated. In order to do this, a statistical and region growing methods are employed to segment the healthy areas of the macula. Then, a simple vessel elimination method is also used to segment the vessels in the macular area. Hence, the healthy texture is first segmented, and then the segmented image is inverted to determine the degenerated area with drusen. Manual segmentation of ARMD is quite difficult and takes long time to segment. Thus, the user may easily make mistakes during the segmentation of the degenerated area. Therefore, it may not be quite suitable in determination and examination of the changes of the drusens. Hence, the proposed methods are employed to segment the images automatically. Here, consecutive images from the same patient are also compared with each other to follow up the changes of the diseases.