تشخیص بیماری رتینوپاتی دیابت با استفاده از پردازش تصاویر فوندوس شبکیه و تکنیک‌های مورفولوژیک

مقدمه: رتینوپاتی دیابتی، تاثیر مخرب دیابت بر رگ‌های خونی شبکیه است که تشخیص دیرهنگام آن می‌تواند باعث نابینایی شود. میکروآنوریسم‌ها از علائم اولیه این بیماری هستند که تشخیص زودهنگام آن‌ها باعث درمان به‌موقع و مانع از پیشرفت بیماری می‌گردد. از آن‌جا که این بیماری بدون علامت است و تنها توسط پزشک قابل تشخیص است، بدین‌جهت نیاز است بیماران دیابتی به طور منظم مورد آزمایش قرار گیرند، از طرفی با توجه به این‌که رشد تعداد چشم پزشکان کمتر از رشد جمعیت مبتلا به دیابت است، تشخیص دستی ضایعه‌ها زمان‌بر بوده و هزینه زیادی را به ‌دنبال دارد؛ لذا طراحی سیستم‌های تشخیص خودکار ضروری است.روش: در این مطالعه توصیفیتحلیلی ابتدا تصاویر فوندوس شبکیه تحت پیش‌پردازش قرار گرفت، سپس نواحی کاندیدای میکروآنوریسم‌ها با استفاده از معیار metric و عملگرهای مورفولوژیک bottomhat و hitormiss تعیین و در مرحله بعد به استخراج ویژگی با استفاده از تجزیه و تحلیل مولفه اصلی برای تشخیص میکروآنوریسم‌های‌ واقعی پرداخته شد. برای ارزیابی الگوریتم پیشنهادی از تصاویر پایگاه داده diaretdb1 استفاده شد.نتایج: هدف این پژوهش توسعه یک روش خودکار برای تشخیص میکروآنوریسم‌ها است که بتواند به متخصصین چشم در فرآیند غربالگری رتینوپاتی دیابت کمک کند، تا علائم این بیماری را سریع‌تر، آسان‌تر و با هزینه کمتر تشخیص دهند. در ارزیابی روش پیشنهادی، نرخ حساسیت %87/6، نرخ تشخیص %98/7 و دقت %85/7 به‌ دست آمد.نتیجه‌گیری: با توجه به نتایج به دست آمده براساس پارامترهای ارزیابی، روش پیشنهادی از دقیق‌ترین الگوریتم‌های این حوزه است.

Diagnosis of Diabetic Retinopathy Using Processing of Fundus Images and Morphological Techniques

Introduction: Diabetic retinopathy is the damaging effect of diabetes on retinal blood vessels that can cause blindness when diagnosed late. Microaneurysms are early signs of the disease that their early diagnosis promotes timely treatment and prevents disease progression. Since this disease is asymptomatic and can only be detected by ophthalmologists, diabetic patients should be tested regularly. On the other hand, given the fact that the increase rate of the number of ophthalmologists is less than the growth of the diabetic population, manual diagnosis of the lesion is time consuming and costly, and thus the design of automatic detection systems is essential.Method: In this descriptive analytic study, the fundus images of the retina were subjected to preprocessing. Then, the candidate regions of microanurysms were determined using the metric and morphological operators Bottomhat and HitorMiss. In the next step, using principal component analysis, the specificity of main feature of real microanurysms diagnosis was extracted. The DiaRetDB1 database images were used to evaluate the proposed algorithm.Results: The purpose of this research was to develop an automated method for the detection of microanurysms that can help ophthalmologists in the process of diabetic retinopathy screening and diagnosing the symptoms faster, easier and at lower cost. In evaluation, the proposed method achieved a sensitivity of 87.6%, specificity of 98.7% and the precision of 85.7%.Conclusion: According to the results obtained based on evaluation parameters, the proposed method is one of the most accurate algorithms in this field.