Tese de mestrado. Engenharia Biomédica. Faculdade de Engenharia. Universidade do Porto. 2008

nÃo hà / Imagens de fundo de olho constituem um valioso recurso para o diagnÃstico mÃdico, pois muitas vezes apresentam indicaÃÃes de doenÃas oftÃlmicas como as da retina e atà mesmo doenÃas sistÃmicas como diabetes, hipertensÃo e arteriosclerose. Esta tese trata de algoritmos de detecÃÃo de estruturas como a fÃvea, mÃcula, exsudatos e disco Ãptico (DO) em imagens de retina. Em se tratando de algoritmos de detecÃÃo da fÃvea em imagens coloridas de retina, propomos um algoritmo assim como conjunto de regras para avaliaÃÃo dos mesmos. A detecÃÃo automÃtica desta estrutura anatÃmica à um prÃ-requisito para o diagnÃstico auxiliado por computador de vÃrias doenÃas da retina, como a degeneraÃÃo macular. Entretanto, as pequenas dimensÃes e baixo contraste da fÃvea dificultam a execuÃÃo desta tarefa de detecÃÃo. O algoritmo proposto determina a regiÃo de interesse levando em consideraÃÃo as coordenadas do DO e o fato da fÃvea ser uma Ãrea escura, homogÃnea e sem presenÃa de vasos sanguÃneos. Em seguida, o mÃtodo realiza a etapa de segmentaÃÃo dos vasos e pesquisa pela janela com menor mÃdia de intensidade de cor na imagem resultante da fusÃo entre os canais vermelho e verde. Os testes do algoritmo de detecÃÃo da fÃvea foram realizados em trÃs bases de imagens pÃblicas de referÃncia ARIA, DRIVE e MESSIDOR. Neste trabalho, propomos ainda um algoritmo de detecÃÃo de exsudatos em imagens de retina. A metodologia proposta combina agrupamento nebuloso e tÃcnicas de morfologia matemÃtica. Os resultados confirmam a melhoria no desempenho do mÃtodo de detecÃÃo quando comparado aos mÃtodos disponÃveis na literatura. Portanto, comparamos os resultados de seis algoritmos automÃticos de detecÃÃo do DO disponÃveis na literatura, utilizando dados de referÃncia das bases pÃblicas ARIA, STARE, DRIVE e MESSIDOR. O objetivo era determinar a robustez dos mesmos em detectar o DO em imagens de retina saudÃveis e com a presenÃa de patologias. Observamos que em geral os mÃtodos de detecÃÃo de DO que apresentam melhor desempenho o fazem em bases menos desafiadoras como as duas Ãltimas, ou seja, eles alcanÃam as maiores taxas de acerto. / Fundus images are valuable resource in diagnosis because they often present indications about retinal, ophthalmic, and even systemic diseases such as diabetes, hypertension, and arteriosclerosis. This thesis focuses on algorithms to detect fovea, exudates and optic disk (OD) in retina images. Regarding fovea detection algorithms in colored retina images, we propose an algorithm and furthermore a set of rules to assess them. Automatic detection of this anatomical structure is a prerequisite for computer-aided diagnosis of several retinal diseases, such as macular degeneration. However, the small dimension and weak contrast of the fovea area on retina images make difficult this task detection, directly. The proposed algorithm determines a region of interest taking into account OD coordinates and the fact that the fovea is a homogeneous dark area without blood vessels. Then, the method performs the vessel segmentation step and searches for the lowest mean color intensity window in the image that results from the fusion between the red and green channels. Tests were carried out on three public benchmark databases. In addition, this thesis proposes an algorithm for exudate detection in retina images. The proposed methodology combines fuzzy clustering and mathematical morphology techniques. The results confirm the performance improvement provided by the proposed methodology, when comparing it to other methods available in the literature. In this work, we compare the results of six different automatic algorithms for OD detection, using the public benchmark image database named ARIA, STARE, DRIVE and MESSIDOR. We aimed to test the robustness of the algorithms in detecting the OD in healthy and pathological retina images. In general, we observed that these methods performed better in less challenging databases as the two last ones, i.e. they achieved the highest success rates in DRIVE and MESSIDOR.