<  Retour au portail Polytechnique Montréal

Retinal Image Quality Assessment Using Supervised Classification

Mahnaz Fasih

Mémoire de maîtrise (2014)

[img]
Affichage préliminaire
Télécharger (2MB)
Citer ce document: Fasih, M. (2014). Retinal Image Quality Assessment Using Supervised Classification (Mémoire de maîtrise, École Polytechnique de Montréal). Tiré de https://publications.polymtl.ca/1544/
Afficher le résumé Cacher le résumé

Résumé

RÉSUMÉ L’évaluation de la qualité d’images de la rétine est une étape importante dans le diagnostic automatisé des maladies de l'œil. La précision du diagnostic est dépendante de ce critère, car une mauvaise qualité de l'image peut empêcher l'observation de caractéristiques importantes de l'oeil et des manifestations pathologiques. Un algorithme robuste est donc nécessaire afin d'évaluer la qualité des images dans une base de données. Les méthodes existantes sont généralement basées sur des paramètres de qualité d'image génériques ou des critères structurels. L’évaluation de la qualité de l'image en fonction de paramètres génériques exploite la plupart des paramètres tels que les caractéristiques de contraste, netteté, éclairage, et la texture. Ces méthodes évitent généralement les procédures de segmentation des structures de l'oeil. Le grand avantage de ces méthodes est leur faible complexité de calcul par rapport à celles mises au point sur la base de critères structurels. En revanche, les systèmes basés sur des critères structurels exigent l'identification de structures anatomiques, y compris le disque optique et le réseau vasculaire de la macula. Ces méthodes ont tendance à manquer de robustesse lorsqu'elles traitent des images de mauvaise qualité. Bien que les algorithmes d'évaluation de la qualité de l'image précédemment développé montrent de bonnes performances, ils ont été mis en place sur différentes bases de données en s'appuyant sur des critères différents. Une nouvelle mesure est donc nécessaire. Nous avons développé un algorithme d'évaluation de la qualité de l'image rétinienne basée sur l'extraction de caractéristiques génériques sans segmentation a priori de l’image. La nouveauté de cet algorithme est sa simplicité et son faible coût de calcul, ainsi que sa capacité à s’adapter sur la région d'intérêt locale. Les caractéristiques génériques sont constituées de la netteté locale, le ratio de bordure, les caractéristiques de texture et l’histogramme de couleur. La probabilité cumulée de flou métrique de détection et l'algorithme de codage de longueur variable ont été utilisés pour mesurer la netteté et les caractéristiques texturales, respectivement. Les caractéristiques extraites sont combinés pour évaluer la convenance de l'image à des fins de diagnostic. Basé sur le fait que les experts médicaux se concentrent davantage sur certaines structures anatomiques telles que la macula et le disque optique, nous avons décidé de comparer les approches globales et locales. Un « support vector machine » avec un « kernel » de fonctionsde base radiales a été utilisé comme un classificateur non linéaire afin de classer les images pour les groupes utilisables et non-utilisables. La méthodologie développée a été appliquée sur 100 images avec des tailles différentes classées par un expert médical. L'expert a évalué 50 images comme mesurable et 50 comme non-mesurable. Les résultats indiquent un très bon accord entre les prédictions de l'algorithme proposé et le jugement de l'expert médical: la sensibilité et la spécificité de l'approche locale sont respectivement 94% et 92% alors qu'il était de 87% et 89% pour l'approche globale.----------ABSTRACT Retinal image quality assessment is an important step in automated eye disease diagnosis. Diagnosis accuracy is highly dependent on the quality of retinal images, because poor image quality might prevent the observation of significant eye features and disease manifestations. A robust algorithm is therefore required in order to evaluate the quality of images in a large database. Existing algorithms for estimating the retinal image quality are generally based on generic image quality parameters or structural criteria. Image quality assessment based on generic parameters mostly exploits parameters such as contrast, sharpness, illumination, and texture features. These methods generally avoid eye structure segmentation procedures. The great advantage of these methods is their low computational complexity compared to those developed based on structural criteria. In contrast, systems based on structural criteria require identification of anatomical structures including the optic disc, macula and vascular network. These methods tend to lack in robustness when dealing with poor quality images. Although previously developed image quality assessment algorithms shows good performances, they have been implemented on different databases and relying on different criteria and a new metric is required to be developed. We developed an algorithm for retinal image quality assessment based on the extraction of generic features without images segmentation. The novelty of this algorithm is its simplicity and low computational cost and also its capability to apply on local region of interest associated with retinal images. The generic features consisting of local sharpness, edge ratio, textural features and color histogram were measured. The cumulative probability of blur detection metric and the run-length encoding algorithm were used to measure the sharpness and textural features respectively. The extracted features are combined to evaluate the image suitability for diagnosis purposes. Based on the fact that medical experts focus more on some anatomical structures such as macula and optic disc, we decided to compare global and local approaches. A support vector machine with radial basis functions was used as a nonlinear classifier in order to classify images to gradable and ungradable groups. The developed methodology was applied on 100 images with various sizes graded by a medical expert. The expert evaluated 50 images as gradable and 50 as ungradable. The results indicate a very good agreement between the proposed algorithm’s predictions and themedical expert’s judgment: the sensitivity and specificity for the local approach are respectively 94% and 92% while it was 87% and 89% for the global approach.

Document en libre accès dans PolyPublie
Département: Département de génie informatique et génie logiciel
Directeur de mémoire/thèse: Farida Cheriet et J.M. Pierre Langlois
Date du dépôt: 22 déc. 2014 15:02
Dernière modification: 24 oct. 2018 16:11
Adresse URL de PolyPublie: https://publications.polymtl.ca/1544/

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel