Fusion of structure adaptive filtering and mathematical morphology for vessel segmentation in fundus images of infants with Retinopathy of Prematurity

Nisha, K. L.; Sreelekha, G.; Savithri, Sathidevi Puthumangalathu; Mohanachandran, Poornima; Vinekar, Anand

doi:10.1109/ccece.2017.7946704

Cited by 7 publications

(4 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…includes the results of our proposal and two other works. The first work was reported in [7,8]; in both articles, the segmentation results are validated visually. The second work [5] tested fifty ROP images and reported the true-positive rate (sensitivity) and the false-positive rate (1specificity).…”

Section: Resultsmentioning

confidence: 99%

“…We could notice a lower performance in the pathological cases, even when dealing with images of adults. Observing the techniques of artificial vision of these works, we can group them in two classes: the works in [2,7,8,14] use image processing techniques without machine learning, the works in [3,11,13,16] employ supervised non-deep, unsupervised, and deep learning. The main weakness of current approaches is that they were designed for processing adult retina.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Segmenting retinal vascular net from retinopathy of prematurity images using convolutional neural network

Intriago-Pazmiño

Ibarra-Fiallo

Alonso-Calvo

et al. 2019

Proceedings of the Second International Conference on Data Science, E-Learning and Information Systems

View full text Add to dashboard Cite

In this paper, we describe the experimentation with a convolutional neural network for segmenting retinal net from pathological fundus images of preterm born children. Segmenting retinal net from pathological fundus images is a fundamental task to aid computer diagnosis. We used U-net architecture for training and testing. Testing with ROPFI dataset, we obtained an area under the receiver operating curve equal to 0.9180; when average sensitivity is equal to 0.700, the average specificity is equal to 0.9710. This performance is higher than prior works using a similar dataset.

show abstract

Section: Resultsmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Segmenting retinal vascular net from retinopathy of prematurity images using convolutional neural network

Intriago-Pazmiño

Ibarra-Fiallo

Alonso-Calvo

et al. 2019

Proceedings of the Second International Conference on Data Science, E-Learning and Information Systems

View full text Add to dashboard Cite

show abstract

“…Nisha et al [80] proposed a novel approach for vessel segmentation in infant's retinal images. The approach was based on mathematical morphology and fusion of structure adaptive filtering (Coherent-Enhancing Diffusion Filter and Guided Filter).…”

Section: ) Mathematical Morphology Methodsmentioning

confidence: 99%

Comparative Analysis of Vessel Segmentation Techniques in Retinal Images

Imran

Pei

et al. 2019

IEEE Access

View full text Add to dashboard Cite

The blood vessels are the primary anatomical structure that can be visible in retinal images. The segmentation of retinal blood vessels has been accepted worldwide for the diagnosis of both cardiovascular (CVD) and retinal diseases. Thus, it requires an appropriate vessel segmentation method for automatic detection of retinal diseases such as diabetic retinopathy and cataract. The detection of retinal diseases using computer-aided diagnosis (CAD) can help people to avoid the risks of visual impairment and save medical resources. This survey presents a comparative analysis of various machine learning and deep learning-based methods for automated blood vessel segmentation in retinal images. This paper briefly describes fundus photography, publicly available retinal databases, pre-processing and post-processing techniques for retinal vessels segmentation. A comprehensive review of the state of the art supervised and unsupervised blood vessel segmentation methodologies are presented in this paper. The objective of this study is to establish a professional structure to familiarize an individual with up-to-date vessel segmentation techniques. Moreover, we compared these approaches to the dataset, evaluation metrics, pre-processing and post-processing steps, feature extraction, segmentation methods, and induced results.

show abstract

“…Atualmente, entre as diversas aplicações da morfologia, pode-se destacar a segmentação, restauração, detecção de bordas, análise de textura, análise de formas, entre outras. A morfologia matemática é muito utilizada no processamento de imagens médicas [57]- [59], processamento de vídeos [60]- [62], bem como em sistemas de energia elétrica [46], [48], [63]- [67]. Em geral, as operações de filtragem morfológica são bastante rápidas e simples, o que torna a MM uma ferramenta atraente inclusive para aplicações em tempo real [4], [68].…”

Section: Capítulo 2 Morfologia Matemática 21 Introduçãounclassified

Localização de faltas em linhas HVDC com estimação da velocidade de propagação das frentes de onda

Dardengo¹

View full text Add to dashboard Cite

Atualmente, com o desenvolvimento da eletrônica de potência, as linhas HVDC têm se tornado uma alternativa as linhas HVAC na transmissão de grandes blocos de energia a longas distâncias, sendo economicamente mais viáveis e com baixas perdas. O correto funcionamento das linhas HVDC são essenciais na manutenção da estabilidade do sistema. Operando sob diversas condições climáticas e de relevo, além de geralmente apresentarem dimensões continentais, essas linhas são susceptíveis a faltas. Portanto, metodologias eficientes de localização de faltas são cada vez mais importantes, a fim de minimizar seus tempos inoperantes e, consequentemente, reduzir os prejuízos de concessionárias e consumidores. Na atualidade, os principais métodos de localização de faltas são baseados em ondas viajantes, onde a posição da falta é estimada através dos tempos de chegada das frentes de onda nos terminais monitorados e da velocidade de propagação das ondas. Entre os métodos para evidenciamento das frentes de onda, destaca-se o uso da morfologia matemática, a qual apresenta fácil implementação e reduzido custo computacional. Na literatura, geralmente os processos morfológicos não são apresentados de forma otimizada e portanto, nesta tese as operações básicas, além dos gradientes utilizados para evidenciamento das frentes de onda, são apresentados de maneira mais eficientes. Além disto, um novo elemento estruturante é proposto, o qual permite uma nova abordagem para o evidenciamento das frentes de onda baseado nas translações do sinal. A velocidade de propagação das ondas é outro fator primordial para a estimação do local de falta de forma precisa, entretanto, devido sua variação de acordo com a posição da falta, condições climáticas e parâmetros da linha, sua definição é ainda uma tarefa árdua. Neste sentido, esta tese realiza um estudo comparando a influência da velocidade nos métodos convencionais de localização de faltas com metodologias não influenciadas pela velocidade. Neste contexto, esta tese propõe uma nova metodologia de localização de faltas para linhas HVDC com estimação da velocidade de propagação das frentes de onda. O novo método proposto define a velocidade das frentes de onda levando em consideração os parâmetros da linha e também a posição da falta. Testes realizados demonstraram a precisão e robustez da metodologia proposta. Como os métodos de ondas viajantes requerem elevadas taxas de amostragem e são fortemente influenciados por ruídos, diferentes filtros morfológicos foram avaliados no processo de filtragem de ruídos destinados a localização de faltas. Testes demonstraram que a combinação do correto filtro de redução de ruídos com a metodologia proposta de localização de faltas apresenta bons resultados, tornando a metodologia desenvolvida promissora.

show abstract

Fusion of structure adaptive filtering and mathematical morphology for vessel segmentation in fundus images of infants with Retinopathy of Prematurity

Cited by 7 publications

References 7 publications

Segmenting retinal vascular net from retinopathy of prematurity images using convolutional neural network

Segmenting retinal vascular net from retinopathy of prematurity images using convolutional neural network

Comparative Analysis of Vessel Segmentation Techniques in Retinal Images

Localização de faltas em linhas HVDC com estimação da velocidade de propagação das frentes de onda

Contact Info

Product

Resources

About