Connectivity-based segmentation of retinal vessels in eye fundus images

• Autores: Miguel Ralló Capdevila, María Sagrario Millán García-Varela
• Localización: Óptica pura y aplicada, ISSN-e 2171-8814, Vol. 50, Nº. 4, 2017, págs. 359-368
• Idioma: inglés
• Títulos paralelos:
  • Segmentación basada en la conectividad de la red vascular de la retina en imágenes de fondo de ojo
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se propone un nuevo método no supervisado para la segmentación de objetos de tipología diversa que presenten la conectividad como característica común (por ejemplo, árboles ramificados, redes, etc.). Una aplicación preferente de este trabajo consiste en la segmentación del árbol vascular en imágenes de la retina y ha sido ilustrado mediante el uso de imágenes de la base de datos DRIVE. En la etapa de preprocesado, el método aborda el problema de la iluminación no uniforme, común en las imágenes de fondo de ojo. Seguidamente, utiliza un algoritmo iterativo que parte de una semilla a la que se añaden, en cada bucle, un nuevo fragmento de vaso que se conecta a la parte previamente segmentada. El resultado preserva la conectividad como un rasgo distintivo del árbol vascular de la retina. El rendimiento del método de segmentación se evalúa mediante métricas habituales en la detección de señales: sensibilidad, especificidad y exactitud.

  • English

    A new unsupervised method for segmentation of objects of diverse nature with the common feature of connectivity (e.g. branching trees or net-shaped objects) is proposed. A preferred application to the vasculature segmentation of retinal images has been illustrated using images from DRIVE database. In the pre-processing stage, the method overcomes the common problem of non-uniform illumination of eye fundus images. The method follows with an iterative algorithm that starts with a seed and adds, at each step, a new vessel segment connected to the previously segmented part. The result preserves the connectivity as a distinct feature of the retinal vessel tree. The segmentation performance is evaluated through common signal detection metrics: sensitivity, specificity and accuracy.