Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

A Simple Algorithm for Hard Exudate Detection in Diabetic Retinopathy Using Spectral-Domain Optical Coherence Tomography

verfasst von : Maciej Szymkowski, Emil Saeed, Khalid Saeed, Zofia Mariak

Erschienen in: Advances in Computer Graphics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Hard exudates are usually seen in the course of diabetic retinopathy. This illness is one of the most common reasons for blind registration in the world. Due to the data presented by World Health Organization (WHO) the number of people who lose sight because of undetected diabetes will be doubled by 2050. The purpose of this paper is to introduce an enhanced algorithm for hard exudates detection in Optical Coherence Tomography images. In these samples, dangerous pathological changes can be observed in the form of yellow-red spots. During the experiments more than 150 images were used to calculate the accuracy of the proposed approach. We created an algorithm that was implemented in development environment with Java Programming Language and Maven Framework. Classification was done on the basis of authors’ own algorithm results and compared with ophthalmologist decision. The experiments have shown the proposed approach has 97% of accuracy in hard exudates detection.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Auto-labelling of Markers in Optical Motion Capture by Permutation Learning
Nächstes Kapitel Multi-level Motion-Informed Approach for Video Generation with Key Frames
Literatur
1.
James, B., Chew, C., Bron, A.: Lecture Notes. Ophthalmology, pp. 172–173 (2007)
2.
Klein, B.E.: Overview of epidemiologic studies of diabetic retinopathy. Ophthalmic Epidemiol. 14(4), 179–183 (2007)CrossRef
3.
4.
Davoudi, S., et al.: Optical coherence tomography characteristics of macular edema and hard exudates and their association with lipid serum level in type 2 diabetes. Retina 36(9), 1622–1629 (2018)MathSciNetCrossRef
5.
Tuncay, T., Eyup, D.: Chorioretinal folds associated with different etiologies. Biomed. J. Sci. Tech. Res. 2(4) (2018)
6.
Sasaki, M., Kawasaki, R., Noonan, J.E., Wong, T.Y., Lamoureux, E., Wang, J.J.: Quantitative measurement of hard exudates in patients with diabetes and their associations with serum lipid levels. Invest. Ophthalmol. Vis. Sci. 54(8), 5544–5550 (2013)CrossRef
7.
Raman, R., Nittala, M.G., Gella, L., Pal, S.S., Sharma, T.: Retinal sensitivity over hard exudates in diabetic retinopathy. J. Ophthalmic Vis. Res. 10(2), 160–164 (2015)CrossRef
8.
Szymkowski, M., Saeed, E.: A novel approach of retinal disorder diagnosing using optical coherence tomography scanners. In: Gavrilova, M.L., Tan, C.J.K., Chaki, N., Saeed, K. (eds.) Transactions on Computational Science XXXI. LNCS, vol. 10730, pp. 31–40. Springer, Heidelberg (2018). https://​doi.​org/​10.​1007/​978-3-662-56499-8_​3CrossRef
9.
10.
11.
Avula, B., Chakraborty, C.: Detection of hard exudates in retinal fundus images using deep learning. In: 7th International Conference on Informatics, Electronics & Vision (ICIEV) and 2018 2nd International Conference on Imaging, Vision & Pattern Recognition (icIVPR) Proceedings (2018). https://​doi.​org/​10.​1109/​iciev.​2018.​8641016
12.
Long, S., Huang, X., Chen, Z., Pardhan, S., Zheng, D.: Automatic detection of hard exudates in color retinal images using dynamic threshold and SVM classification: algorithm development and evaluation. BioMed. Res. Int. 2019(6a), 1–13 (2019)CrossRef
13.
Saxena, L.P.: Niblack’s binarization method and its modifications to real-time applications: a review. Artif. Intell. Rev. 1–33 (2017)
14.
Otsu, N.: A threshold selection method from gray-level histograms. IEEE Trans. Syst. Man Cybern. 9(1), 62–66 (1979)CrossRef
15.
Eyupoglu, C.: Implementation of Bernsen’s locally adaptive binarization method for gray scale images. In: 7th International Science and Technology Conference (ISTEC), Vienna, Austria, Proceedings (2016)
16.
Rokade, P., Manza, R.: Automatic detection of hard exudates in retinal images using haar wavelet transform. Int. J. Appl. Innov. Eng. Manag. 4(5), 402–410 (2015)
17.
Joshi, S., Karlue, P.T.: Detection of hard exudates based on morphological feature extraction. Biomed. Pharmacol. J. 11(1), 215–225 (2018)CrossRef
18.
19.
Kekre, H., Sarode, T., Parkar, T.: Hybrid approach for detection of hard exudates. Int. J. Adv. Comput. Sci. Appl. 4(1) (2013)
20.
Eadgahi, M.G.F., Pourreza, H.: Localization of hard exudates in retinal fundus image by mathematical morphology operations. J. Theor. Phys. Cryptogr. 1(2) (2012)
Metadaten
Titel
A Simple Algorithm for Hard Exudate Detection in Diabetic Retinopathy Using Spectral-Domain Optical Coherence Tomography
verfasst von
Maciej Szymkowski
Emil Saeed
Khalid Saeed
Zofia Mariak
Copyright-Jahr
2019
Buch
Advances in Computer Graphics

Print ISBN: 978-3-030-22513-1

Electronic ISBN: 978-3-030-22514-8

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-22514-8_15

Premium Partner

    Bildnachweise