Submitted by (ana.araujo@ufrpe.br) on 2016-07-05T15:53:56Z
No. of bitstreams: 1
Esdras Adriano Barbosa dos Santos.pdf: 719323 bytes, checksum: 7defd3639c47f0575744d0faadba2053 (MD5) / Made available in DSpace on 2016-07-05T15:53:56Z (GMT). No. of bitstreams: 1
Esdras Adriano Barbosa dos Santos.pdf: 719323 bytes, checksum: 7defd3639c47f0575744d0faadba2053 (MD5)
Previous issue date: 2008-02-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / Image analysis is frequently used by ophthalmologists as part of the diagnostic procedure. Inspection of the vascular structure of the retina may reveal early stages of pathologies such as diabetic retinopathy, and there have been various efforts to develop more efficient methods for diagnosing such diseases. Currently, identification of abnormalities requires a laborious inspection of a large number of images from the part of specialists, and there is a necessity of automating this process to provide auxiliary diagnostic tools of high speed and precision. One of the lines of research conducted in the direction of differentiating between healthy and pathological retinal images uses the concept of fractal dimension. Recently it was shown that the vascular structure of the human retina is not a simple fractal, but rather a multifractal, characterized by a non trivial multifractal spectrum. In this work, multivariate clustering methods are applied to the results of the multifractal analysis, in order to establish the sensitivity of this analysis, and its ability to differentiate between the normal and pathological cases of the human retina. The variables used for this purpose are the elements of the multifractal spectrum f (a) and the generalized dimension D(q), from which three distinct sets of variables were chosen. The clustering methods used for this study are the Ward method, K-means, PAM and Fuzzy C-means. As a measure ofvalidation of the obtained groups the cophenetic correlation was used for the Ward method,and the silhouette graphs for K-means, PAM and Fuzzy C-means. The results show that for the skeletonized images 70-80% of the pathological images were correctly classified (depending on the method and the variables used), while for the original segmented images clustering produces worse results. This fact indicates that the width of the vessels exerts less influence on the conclusions of the current analysis in comparison with the length distribution and the ramification structure. Thus, we may conclude that the multifractal analysis, with adequate pre-processing of the images and choice of variables, can be used for detection of pathological cases, as part of the pre-diagnostic procedure. / A análise de imagens é freqüentemente praticada por oftalmologistas para diagnóstico de doenças. A inspeção da vascularização da retina pode revelar inícios de doenças como a retinopatia diabética. Desta forma, existem vários esforços para o desenvolvimento de métodos mais eficazes no diagnóstico destas doenças. A identificação de anormalidades requer uma trabalhosa inspeção de uma grande quantidade das imagens por especialistas. Assim sendo, há necessidade de desenvolvimento de softwares para o auxílio dos oftalmologistas na busca de uma diagnose mais rápida e mais precisa. O uso da dimensão fractal na busca de diferenciação entre retinas com e sem patologias é mais um dos ramos de pesquisa realizados nesta área. Recentemente, foi mostrado que a retina humana não é um fractal simples, mas um multifractal, caracterizado pelo espectro multifractal não trivial. Neste trabalho, foram aplicados métodos de agrupamento nos resultados da análise multifractal para verificar a sensibilidade desta análise na diferenciação entre casos patológicos e casos normais da retina humana. As variáveis usadas são os elementos de espectro multifractal f (a) e dimensões generalizadas D(q), das quais foram escolhidos três conjuntos distintos. Os métodos de agrupamento usados para análise foram o método de Ward, K-médias, PAM e Fuzzy c-means. Como medida para a validação dos grupos obtidos, foiusada a correlação cofenética para o método de Ward e gráficos de silhueta e silhueta média para os métodos K-médias, PAM e Fuzzy c-means. Os resultados mostraram que, para imagens esqueletonizadas, 70-80% das retinas patológicas (dependendo do método e do conjunto de variáveis usadas) foram agrupadas corretamente, enquanto que para as imagens segmentadas originais, o agrupamento não apresentou resultados tão satisfatórios. Este fato indica que a largura dos vasos apresenta menor influência para as conclusões da análise atual, em comparação com o comprimento dos vasos e suas ramificações. Diante disso, é possível concluir que a análise multifractal, aliada ao pré-processamento adequado das imagens e a escolha adequada das variáveis, pode ser utilizada para detecção de casos patológicos ou para o pré-diagnóstico.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede2/4971 |
| Date | 25 February 2008 |
| Creators | SANTOS, Esdras Adriano Barbosa dos |
| Contributors | STOSIC, Tatijana, STOSIC, Borko, SANTOS, Laélia Pumilla Botêlho Campos dos, AMARAL, Getúlio José Amorim do, CYSNEIROS, Francisco José de Azevedo |
| Publisher | Universidade Federal Rural de Pernambuco, Programa de Pós-Graduação em Biometria e Estatística Aplicada, UFRPE, Brasil, Departamento de Estatística e Informática |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRPE, instname:Universidade Federal Rural de Pernambuco, instacron:UFRPE |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 768382242446187918, 600, 600, 600, 600, 600, -6774555140396120501, -5836407828185143517, 2075167498588264571, -2555911436985713659 |
Page generated in 0.0031 seconds