Segmentation of curved blood vessels from fundus images

Rano prepoznavanje dijabetičke retinopatije je od iznimnog značenja pri liječenju jer se vrlo ubrzano razvija sljepoća bolesnika. Prvi znaci su pacijentu neuočljivi pa je potrebno da ih liječnik pri redovitom pregledu automatskom metodom što jednostavnije zapazi. Neovaskularizacija i pojava krvarenja su dva tipična obilježja početka nastajanja dijabetičke retinopatije. Stoga je potrebno segmentirati čitavo stablo krvnih žila da bi se što jednostavnije uočile nepravilnosti. Ovaj rad se bavi analizom zakrivljenih krvnih žila uz pomoć dvaju modela krvne žile s različitim poprečnim presjecima zanemarivanjem šuma i pod različitim kutovima. Razvijen je algoritam koji uz poznatu širinu žile i svojstvene vrijednosti i vektore Hessianove matrice pronalazi kut zakrivljenosti žile. Sljedeći korak u segmentaciji žila je primjena ovoga algoritma na stvarnom modelu slika očne pozadine.Early recognition of diabetic retinopathy is of great importance in the treatment because of appearance of early blindness. The first recognizable signs are invisible to the patient, and should be physical examined with automated method of control as easiest way to detect. Neovascularization and the appearance of bleeding are typical characteristics of diabetic retinopathy. For this reason it is necessary to segment the whole tree of blood vessels in order to detect abnormalities. This paper analyzes curved blood vessels in two models of blood vessels with different cross-sections, without noise and at different angles. An algorithm is developed with given width of the vessel and eigenvalues of the Hessian matrix finds the angle of curvature of the vessel. The next step in the segmentation of vessels is to apply the algorithm on real images of the retina