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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Modelling of Subjective Radiological Assessments with Objective Image Quality Measures of Brain and Body CT Images Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Retinal Blood Vessels Differentiation for Calculation of Arterio-Venous Ratio

verfasst von : Samra Irshad, M. Usman Akram, Sara Ayub, Anaum Ayaz

Erschienen in: Image Analysis and Recognition

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Hypertensive Retinopathy (HR) is an eye disease occurs due to high blood pressure. This disease primarily damages the blood vessels in retina by altering the vessel caliber. The damage is evaluated by calculation of Arterio-venous Ratio (AVR), which quantifies the change in diameter of retinal blood vessels. It is basically the ratio of arterioles to venules diameter. In order to calculate AVR for an automatic diagnosis of HR, the vascular characterization is an essential step. This paper presents an automatic system for retinal vessel classification which is based on novel combination of intensity and gradient based features. The automated system first segments the retinal vessels, then extracts features and finally classifies the vessels as arteries and veins. The proposed system is tested and validated on locally gathered fundus image database, taken from AFIO, Pakistan. The proposed approach provides an accuracy of 93.49 % and 93.47 % for veins and arteries, respectively.

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 Automated Detection of Aortic Root Landmarks in Preprocedure CT Angiography Images for Transcatheter Aortic Valve Implantation Patients
Nächstes Kapitel Graph Structuring of Skeleton Object for Its High-Level Exploitation
Literatur
1.
Yannuzzi, L.A., Ober, M.D., Slakter, J.S., Spaide, R.F., Fisher, Y.L., Flower, R.W., Rosen, R.: Ophthalmic fundus imaging: today and beyond. Am. J. Ophthalmol. 137, 511–524 (2004)CrossRef
2.
Nguyen, T.T., Wang, J.J., Wong, T.Y.: Retinal vascular changes in pre-diabetes and prehypertension, new findings and their research and clinical implications. Diabetes Care 30, 2708–2715 (2007)CrossRef
3.
Hubbard, L.D., Brothers, R.J., King, W.N., Clegg, L.X., Klein, R., Cooper, L.S., Sharrett, A.R., Davis, M.D., Cai, J.: Methods for evaluation of retinal microvascular abnormalities associated with hypertension/sclerosis in the atherosclerosis risk in communities study. Ophthalmol. 106(12), 2269–2280 (1999)CrossRef
4.
Ortíz, D., Cubides, M., Suárez, A., Zequera, M., Quiroga, J., Gómez, J., Arroyo, N.: Support system for the preventive diagnosis of hypertensive retinopathy. In: 32nd Annual International Conference of the IEEE EMBS. IEEE Press, Argentina (2010)
5.
Ruggeri, A., Grisan, E., De Luca, M.: An automatic system for the estimation of generalized arteriolar narrowing in retinal images. In: 29th Annual International Conference of the IEEE EMBS. IEEE Press, France (2007)
6.
Mirsharif, G., Tajeripour, F., Sobhanmanesh, F., Pourreza, H., Banaee, T.: Developing an automatic method for separation of arteries from veins in retinal Images. In: 1st International eConference on Computer and Knowledge Engineering. IEEE Press (2011)
7.
Saez, M., Vázquez, S.G., Penedo, M.G., Barceló, M.A., Seijo, M.P., Coll de Tuero, G., Reino, P.R.: Development of an automated system to classify retinal vessels into arteries and veins. Comput. Methods Programs Biomed. 108, 367–376 (2012)CrossRef
8.
Zamperini, A., Giachetti, A., Trucco, E., Chin, K.,S.: Effective features for artery-vein classification in digital fundus images. In: 25th IEEE International Symposium on Computer-Based Medical System (2012)
9.
Muramatsu, C., Hatanaka, Y., Iwase, T., Hara, T., Fujita, H.: Automated detection and classification of major retinal vessels for determination of diameter ratio of arteries and veins. In: Medical Imaging (2010)
10.
Irshad, S., Akram, M.U.: Classification of retinal vessels into arteries and veins for detection of hypertensive retinopathy. In: 7th Cairo International Biomedical Engineering Conference, pp. 133–136. IEEE Press, Cairo (2014)
11.
Usman, A., Khitran, S.A., Akram, M.U., Nadeem, Y.: A robust algorithm for optic disc segmentation from colored fundus images. In: Campilho, A., Kamel, M. (eds.) ICIAR 2014. LNCS, vol. 8815, pp. 303–310. Springer, Switzerland (2014)
12.
Haralick, R.M., Shapiro, L.G.: Computer and Robot Vision, vol. I, pp. 28–48. Addison-Wesley (1992)
13.
Pratt, W.K.: Digital Image Processing, p. 634. Wiley, New York (1991)MATH
14.
Akram, M.U., Khan, S.A.: Multilayered thresholding-based blood vessel segmentation for screening of diabetic retinopathy. Eng. Comput. 29, 165–173 (2013)CrossRef
15.
Lee, T.S.: Image Representation Using 2D Gabor Wavelets. IEEE Trans. Pattern Anal. Mach. Intel. 18(10), 959–971 (1996)CrossRef
16.
Akram, M.U., Khan, A., Iqbal, K., Butt, W.H.: Retinal images: optic disk localization and detection. In: Campilho, A., Kamel, M. (eds.) ICIAR 2010, Part II. LNCS, vol. 6112, pp. 40–49. Springer, Heidelberg (2010)
17.
Freeman, H., Shapira, R.: Determining the minimum-area encasing rectangle for an arbitrary closed curve. Commun. ACM 18, 409–413 (1975)MATHMathSciNetCrossRef
18.
Gonzalez, R.C., Woods, R.E.: Digital Image Processing, 3rd edn. Prentice Hall (2008)
19.
Metadaten
Titel
Retinal Blood Vessels Differentiation for Calculation of Arterio-Venous Ratio
verfasst von
Samra Irshad
M. Usman Akram
Sara Ayub
Anaum Ayaz
Copyright-Jahr
2015
Buch
Image Analysis and Recognition

Print ISBN: 978-3-319-20800-8

Electronic ISBN: 978-3-319-20801-5

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-20801-5_45