Nerjemahin Paper : Review of Image Processing Techniques for Automatic Detection of Eye Disease

Review of Image Processing Techniques for Automatic Detection of Eye Disease

Abstact – rivew paper ini akan menjelaskan aplikasi dari teknik image prosesing untuk deteksi otomatc penyakit mata . presentasi terbesar dari penderita penyakit mata ini adalah penduduk pedesaan dan semi urban di india seperti halnya di dunia. Teknik Image prosesing sangat membantu diagnosis penyakit mata. Sekarang diagnosis dari penyakit retinal sangat dipercayai di metode image optical dengan merasakan foto alami dari mata meliputi sebuah pita gelombang dan gelombang yang lain. Kata kunci dari element image prosesing untuk mendeteksi penyakit mata meliputi Registrasi Image, Fusion, Segmentasi, feature extraction, enchancement, pattern mathcing, image classification, analisis dan pengukuran statistik. Sudah di kembangkan dan sedang dikebangkan di berbagai negara besar orang penderita dari opthalmic penyakit seperti glacoma, penyakit AMD, diabetic retinopathy, diabetic hepertensi. Kekurangan terbesar dari Opthalmolgist ada di beberapa negara.  Beberapa tahun kemudian terbit pembantu pengobatan menurun, selama permintaan healthcare meningkat dan perkiraan mencapai 40 % di tahun 2020. Instrumen dengan harga murah dengan internet dan memungkinkan jaringan koneksi serta teknik di atas dapat membantu pasien pedesaan dan semi urban untuk area untuk akses perlengkapan dan orang yang yang alhi di rumah sakit di kota. [1]

Kata kunci : Image Enhancement, Registration, Fusion, Segmentation, Feature extraction, ophthalmic diseases.

1.      Pendahuluan - Dengan dahsyatnya kemajuan di Pengobatan Teknik imaging, image prosesing sederhana mendiagnosis penyakit mata . diantaranya dengan bantuan opthalmologists untuk diagnosis penyakit mata [2]. Dalam reveiw peper ini , penulis setuju dengan berbagai macam pengembagan dari teknik image prosesing untuk kesehatan mengatasi lebih banyak pasien yang penderita . variasi algoritma-algritma image prosesing adalah mengkaji tentang automatik deketsi penyakit dan analisa.

2.      Teknik image prosesing- Teknik image prosesing untuk deteksi penyakit mata berbeda meliputi Enhancement, Registration, Fusion, Segmentation, Feature extraction, Pattern matching,Classification, Morphology, Statistical measurements and Analysis [3][4].

Image registrasi adalah sebuah future terpenting dalam medical image untuk deteksi perubahan. Banyak aplikasi potensi dalam diagnosis retinal. Image regristrasi adalah sebuah proses meluruskan dua gambar ke dalam satu coordinat system standar. Dalam diagnosis pencitraan berbasis medis, adalah penting untuk menggabungkan data dari gambar yang berbeda dan gambar yang menjadi geometris diselaraskan untuk analisis yang lebih baik dan pengukuran. Proses pemetaan poin dari satu gambar yang lain gambar disebut registrasi citra . Gambar disejajarkan dapat diambil pada waktu yang berbeda atau diambil dengan berbagai perangkat pencitraan [5]. Gambar fusion adalah sebuah pendekatan untuk menggabungkan

informasi yang diperoleh dari jumlah perangkat pencitraan . itu Tujuan dari fusi citra adalah untuk mengintegrasikan multisensor kontemporer , multi -temporal atau multi -view nformasi menjadi satu gambar , yang berisi semua informasi. Multi penginderaan Hasil teknologi pencitraan dalam volume data yang besar . gambar  fusi efektif mengurangi volume data dan membantu dalam analisis yang efektif [ 6 ] . Segmentasi adalah proses pengelompokan gambar menjadi bagian-bagian penyusunnya seperti obyek , wilayah yang mengandung piksel sifat yang mirip dan berdekatan daerah yang dirasakan oleh manusia . Klasifikasi adalah label dari pixel atau kelompok piksel berdasarkan nilai abu-abu dan lainnya parameter statistik . Klasifikasi citra mungkin yang paling teknik penting dari analisis citra digital , yang meliputi estimasi parameter statistik berdasarkan keabuan intensitas piksel gambar . Fungsi analisis citra digunakan untuk memahami isi gambar.

III. Berbagai macam penyakit mata dan review algoritma automatik deteksi penyakit.

Degenerasi makula terkait usia, retinopati diabetes dan glaukoma yang paling sering diamati penyakit mata di daerah perkotaan pedesaan dan semi. AMD adalah degenerasi makula, yang merupakan bagian dari retina, bertanggung jawab untuk tajam, penglihatan sentral yang dibutuhkan untuk membaca, berkendara dan untuk pengenalan wajah. Glaukoma ditandai dengan degenerasi progresif bers saraf optik dan yang mengarah ke perubahan struktural kepala saraf optik (ONH), perlahan-lahan mengurangi rim neuroretinal. Diabetic retinopathy (DR) adalah komplikasi akibat diabetes. DR menyebabkan beberapa kelainan seperti microaneurysms, perdarahan, eksudat, bintik-bintik kapas, penyimpangan vena, pembuluh darah baru dan edema makula. Semua ini menyebabkan kehilangan penglihatan atau kebutaan, jika tidak terdeteksi pada tahap awal. Beberapa algoritma untuk mendeteksi mata ini penyakit secara singkat dijelaskan.

A.    AM D  detection algoritms

Dalam penelitian baru-baru ini, beberapa algoritma yang diterapkan untuk deteksi otomatis dari AMD dengan mendeteksi lokasi makula dan tekstur di-homogen dan drusen. Pemerataan adaptif dan wavelet, matematika morfologi pada angiografi retina [3], thresholding adaptif, klasifikasi non-homogen tekstur drusen, tepi deknik deteksi dan daerah berkembang, probabilistik pemodelan dan logika fuzzy, histogram normalisasi dan segmentasi adaptif beberapa nama.

Kehadiran drusen di atau sekitar makula retina merupakan perkembangan yang signifikan visual kerugian dari AMD. K. Rapantzikos et al. [13], diterapkan histogram berbasis thresholding lokal adaptif (HALT) operator untuk mendeteksi drusen dan pemetaan AMD gejala. Dalam algoritma ini histogram dua tahap Pendekatan thresholding digunakan. Pada tahap pertama otsu dunia threshold diterapkan yang dapat meminimalkan varians kelas intra, diberikan sebagai jumlah tertimbang varians dari dua kelas menurut (1).

Dimana, bobot Ȧ i adalah probabilitas dari dua kelas dipisahkan oleh t ambang batas dan II

2 varians ini kelas. Dalam operator HALT tahap kedua diterapkan, lokal thresholding berdasarkan histogram. Gambar akan dibagi menjadi sembilan Jendela tidak tumpang tindih, dalam setiap jendela, HALT yang Operator memeriksa statistik histogram lokal dan penerima

ambang batas yang sesuai. Operator HALT menggunakan bentuk kecenderungan indikator untuk menilai daerah sebagai drusen atau aktual background. Maryam Mubbashar et al. [14] menerapkan deteksi makula oleh lokalisasi dan deteksi pusat optical disk dengan menerapkan Circular Hough transform, sebagai makula terletak di lingkungan optical disk. Kemudian 2D Gabor wavelet diterapkan sesuai dengan (2), untuk pembuluh darah tambahan, untuk membedakan dari drusen.

Dimana , f adalah frekuensi modulasi sinusoidal gelombang bidang, Ø adalah orientasi elips Gaussian, dan K adalah offset parameter tergantung pada diri didefinisikan konstanta Ȗand Ş. akhirnya makula terdeteksi dengan mencari jarak dari pusat disk optik, thresholding dan kemudian menemukan area paling gelap sebagai makula. Algoritma dilakukan baik dalam lokalisasi dan mendeteksi makula pada DRIVE dan basis data STARE.

[ 15 ] Burlina et al . Menggunakan resolusi skema locallyadaptive multi yang engidentifikasi baik normal dan abnormaldaerah dalam retina . Distribusi statistik jaringan retina latar belakang normal , ditandai untuk kelas tunggal classifier dan mencari daerah menunjukkan

kelainan dalam intensitas , warna , dan informasi gradien . A tingkat alarm palsu konstan parametrik hybrid ( CFAR ) detektor dan detektor non - parametrik digunakan untuk intensitas dan nilai-nilai ruang warna hasil yang disajikan respectively.The yang prelimenary dan set data yang digunakan adalah kecil . Ukuran set data membutuhkan ditingkatkan untuk menentukan ketahanan dari sistem . Comel kose et al . ( 2008) [ 7 ] menerapkan invers sederhana metode segmentasi untuk mengeksploitasi homogenitas sehat daerah makula daripada daerah yang tidak sehat . kebalikannya Metode segmentasi sederhana dan murah dan menghasilkan hasil yang lebih akurat dibandingkan metode segmentasi langsung , yang algoritma dapat diperpanjang untuk mendeteksi kondisi lain seperti DR dan lesi . Ada juga beberapa kasus di mana memimpin algorthm untuk segmentation.Threshold salah mungkin berbeda dari gambar untuk gambar . Uji klinis lebih dan percobaan perlu dilakukan untuk memilih nilai ambang yang lebih tepat untuk perantara gambar .

B.     Glaucoma detection algorithms:

Seperti Piala terhadap Disc merupakan indeks yang diterima secara luas untuk penilaian Glaukoma, penelitian awal adalah pada deteksi atau lokalisasi cakram optik (OD). para peneliti menerapkan algoritma yang berbeda untuk lokalisasi OD. Algoritma yang digunakan adalah arah matched filter kapal, curvelet mengubah model kontur aktif, kabur c-mean clustering, jaringan syaraf tiruan, kNN regressor, dekomposisi piramidal, deteksi tepi, entropi filter dan Fitur vektor [16-22]. Penelitian terbaru deteksi OD terakhir menggunakan averaging filter, teknik template matching, cerdik detektor tepi, pengklasifikasi probabilistik. algoritma lain termasuk teknik untuk menghitung sudut terbuka dan sudut terbuka jarak di 500μm (AOD 500) dari gambar ultrasonik untuk mengukur keberadaan dan tingkat eparahan glaukoma [23] dan analisis otomatis pada confocal Scanning Laser Tomography (CSLT) gambar melalui seleksi bagian fitur untuk klasifikasi citra saraf optik [24].

G.C. Sekhar et al. [25] menyatakan bahwa ukuran OD di Pasien OHT lebih kecil ibandingkan dengan pasien POAG dan normals. Horizontal dan diameter vertikal yang diukur. Margin OD manual digariskan oleh seri garis lurus bergabung satu sama lain dalam poligon. Daerah poligon dihitung sebagai jumlah dari bidang yang segitiga konstituen. Deviasi rata-rata dan standar masing-masing parameter tersebut untuk tiga kelompok dibandingkan dengan analisis varians (ANOVA). S.Sekhar et al. [26] digunakan Hough transform untuk mendeteksi OD. Untuk mengetahui kontur OD, sebuah region of interest (ROI) ditemukan dari citra biner diperoleh setelah preprocessing. Operasi morfologi yang digunakan untuk menghitung gradien besarnya untuk tepi penutupan detection.Morphological dilakukan pada ROI untuk mengisi pembuluh menurut (3).

 Dan untuk menghilangkan puncak, pembukaan morfologi adalah diaplikasikan sesuai (4)

Dimana Fis gambar grayscale, B adalah penataan biner elemen; ⊕ adalah pelebaran dan operator erosi Θis. Penggunaan Hough transform mengurangi kompleksitas komputasi dan mengakibatkan peningkatan tingkat keberhasilan localiation. algoritma perlu perbaikan dalam teknik koreksi naungan dan Teknik thresholding otomatis. Pekerjaan lebih lanjut bisa dilakukan untuk Identifikasi bentuk OD dengan menyesuaikan Hough mengubah untuk mengidentifikasi kedua disk melingkar dan elips.

Aliaa Abdel et al . [ 16 ] mengusulkan cocok metode filter di mana , luminositas dan kontras gambar dinormalisasi menggunakan pencahayaan pemerataan dan adaptif metode histogram equalization masing-masing di bawah preprocessing . Algoritma deteksi OD didasarkan pada

pencocokan pola directional diharapkan dari darah retina kapal dengan cocok ¿ lter kira-kira sesuai dengan arah kapal di sekitar OD . Pembuluh retina yang tersegmentasi menggunakan 2 - D Gaussian cocok ¿ lter . Akibatnya, pembuluh arah peta yang tersegmentasi pembuluh retina diperoleh dengan menggunakan segmentasi yang sama algoritma . Kapal tersegmentasi kemudian menipis , dan ¿ Disaring menggunakan intensitas lokal , untuk mewakili OD – pusat kandidat . Perbedaan antara yang diusulkan cocok ¿ Lter diubah ukurannya menjadi empat ukuran yang berbeda , dan pembuluh directionsat daerah sekitarnya dari masing-masing OD – pusat kandidat diukur . Perbedaan minimum memberikan estimasi pusat OD . Menurut Mahdad Esmaeili et al . [ 17 ] efisien OD lokalisasi dan segmentasi adalah tugas-tugas penting dalam skrining retina otomatis . dalam hal ini digital curvelet mengubah ( DCUT ) dari retina ditingkatkan gambar diambil dan koefisien koefisien nya ¿ dimodifikasi berdasarkan sparsity dari koefisien koefisien curvelet ¿ untuk mendapatkan lokasi kemungkinan OD . Jika tidak ada benda kekuningan atau ukuran mereka diabaikan , maka lokasi langsung OD terdeteksi oleh melakukan detektor tepi cerdik untuk gambar direkonstruksi dengan modi ¿ ¿ ed koefisien koefisien . Operasi morfologi digunakan untuk ¿ Akan daerah ini melingkar dan mengikis mereka untuk mendapatkan lokasi nal ¿ untuk calon daerah dan menghapus piksel yang tidak diinginkan di tepi peta. Akhirnya , batas OD diekstrak dengan menggunakan level set model yang dideformasi . Algoritma telah memberikan yang lebih baik Hasil dibandingkan dengan teknik sebelumnya diterbitkan danmengakibatkan deteksi akurat OD dengan kehadiran daerah yang menonjol dari obyek kekuningan . Hal ini dapat lebih ditingkatkan dengan meningkatkan algoritma segmentasi kapal yang pada gilirannya meningkatkan kinerja dan efisiensi mendeteksi OD . Rudiger Bock et al . [ 8 ] mengusulkan sebuah novel otomatis glaukoma sistem deteksi di mana , perhitungan Glaukoma Indeks Risiko terdiri dari tiga langkah : preprocessing untuk menghilangkan penyakit variasi independen dari gambar input , Fitur Ekstraksi oleh Prinsip Component Analysis ( PCA ) untuk mentransformasi data input diolah untuk karakteristik dan representasi kompak, dan dua-tahap SVM probabilistik diklasifikasikan ¿er untuk menghasilkan Indeks Risiko Glaukoma. algoritma memberikan Indeks Risiko Glaukoma dapat diandalkan dan probabilistik dari gambar dari kamera fundus digital murah. Sebuah metode mapan dan mahal untuk diagnosis glaukoma adalah pemeriksaan kepala saraf optik menggunakan Scanning Laser Tomography. R. Chrastek et al. [9] metode disajikan untuk saraf optik segmentasi kepala dan validasi. itu Metode ini didasarkan pada operasi morfologi, Hough mengubah, dan model kontur aktif berlabuh. itu masalah pengukuran manual dan subjektif dari optik kepala saraf dan assesment glaukoma morfometrik diagnosis dihilangkan dengan algoritma ini. klasifikasi antara mata normal dan mata glaukoma hanya 72% - yang algoritma harus ditingkatkan dalam aspek ini.

Gopal Dat Joshi et al. [27] dijelaskan Glaukoma deteksi dengan menghitung cangkir rasio disc (CDR). Operasi morfologi dan Hough transform diterapkan untuk mendeteksi OD. Piala tersegmentasi menggunakan lengkungan kapal dan Informasi pucat di wilayah OD. Dari seluruh himpunan tikungan kapal, kapal tikungan relavent (r-bends) yang mendefinisikan batas cup terdeteksi. Sebagai r-bends yang non-seragam didistribusikan pada daerah OD, spline interpolasi lokal diterapkan untuk mendekati batas cangkir di daerah di mana r-bends absen untuk mendeteksi batas cangkir. algoritma ini mengakibatkan OD segmentationation efektif. dalam cangkir kesalahan segmentasi, deteksi batas yang diamati dalam daerah tanpa informasi mendalam. Kesalahan ini dapat mengatasi dari informasi 3D dari gambar.

C.     Diabetic Retinopathy detection algorithms

Para peneliti telah bekerja di bidang gambar pengolahan untuk deteksi dini retinopati diabetes. itu Bentuk paling awal retinopati diidentifikasi oleh ketidakteraturan dan mengalir dari pembuluh darah. Hal ini menyebabkan pembentukan keras eksudat (HE), bintik-bintik kapas (CWS), microanneurism (MA), perdarahan dan DR parah menyebabkan kebutaan. Selama tahun-tahun awal penelitian, pengolahan citra teknik seperti thresholding, ¿filtering dan morfologi operator yang digunakan [11] [28]. Penelitian terbaru difokuskan pada menerapkan segmentasi, deteksi tepi, matematika pemodelan, ekstraksi fitur, klasifikasi, pola pengakuan dan analisis tekstur teknik untuk: pembuluh darah peningkatan, deteksi HE, CWS, MA dan perdarahan [29-33].

Jorge J.G.Leandro et al. [29] disajikan dua teknik: matematika morfologi dan transformasi wavelet untuk mendeteksi darah vessels.In yang alorithm pertama skala abu-abu gambar diperoleh dari gambar warna fundus menggunakan warna ekstraksi pesawat. Operasi penutupan diterapkan untuk menghilangkan piksel terisolasi di latar belakang dan untuk menghilangkan lubang-lubang kecil terisolasi dalam partikel. Kemudian mengubah Top-hat diterapkan menurut (5) untuk menekankan kapal yang lebih kecil di hadapan dari tanah kembali, diikuti oleh LoG menyaring untuk deteksi tepi menurut (6).

Masuk koordinat polar diberikan sebagai

Pendekatan morfologi memberikan perincian yang lebih bagus dari pembuluh tipis secara rinci. Transformasi wavelet aproach memiliki keuntungan tuning frekuensi tertentu yang memungkinkan kebisingan elemination dan peningkatan kapal dalam satu langkah. itu Kombinasi penulis menyarankan transformasi wavelet dan teknik morfologi sebagai pekerjaan di masa depan untuk lebih baik kinerja.

Attila Budai et al. [30] disajikan sebuah algoritma untuk segmentasi kapal di mana hirarki resolusi Gaussian adalah digunakan untuk mendeteksi kapal diameter yang berbeda. Hirarki terdiri dari tiga tingkatan (0-2). Gambar asli memiliki resolusi tertinggi (level 0), dan masing-masing tingkat lanjut memiliki lebar dibelah dua dan tinggi. Kemudian analisis lingkungan adalah diterapkan pada setiap tingkat piramida. Selama lingkungan analisis 2x2 Hessian matriks H (f) dari lingkungan 3 × 3 untuk setiap pixel gambar dihitung. Bawah skala gambar diperbesar untuk resolusi asli. Semua gambar adalah binarized menerapkan ambang batas histeresis. Kapal akhir gambar tersegmentasi dicapai dengan menggabungkan gambar grayscale dan up skala gambar, menggunakan operator.The pixel-bijaksana OR Algoritma mencapai akurasi competetive dengan mengurangi kebutuhan komputasi dan menawarkan pembuluh darah yang cepat dan handal segmentasi, dibandingkan dengan teknik segmentasi lain diterbitkan dan manusia pengamat.

M.E.Martinez-Perez et al. [31], yang dikembangkan multiskala teknik untuk menyediakan cara untuk mengisolasi, menganalisis dan menginterpretasikanstruktur skala yang berbeda dalam satu gambar. Satu-besaran keluarga gambar I (x, y, s) diperoleh dengan convolving gambar asli I (x, y) dengan kernel Gaussian G (x, y, s) dari varians s2 asin (7).