COMPUTATIONAL ANALYSIS OF FUNDUS PHOTOGRAPHS FOR EARLY DETECTION OF DIABETIC RETINOPATHY

Dijabetička retinopatija je jedna od glavnih kroničnih bolesti i jedan od glavnih uzroka sljepoće koja se može spriječiti u svijetu. Kako bi se postigla rana dijagnoza puno truda se mora uložiti u sustave automatskog probira pacijenata temeljene na slikama očne pozadine. Ova doktorska disertacija se bavi istraživanjem naprednih metoda obrade i analize slika koje su potrebne za razvoj automatskih sustava probira pacijenata. Prvi znanstveni doprinos je baza od pedeset slika očne pozadine koja sadrži slike zdravih, ali i osoba koje imaju dijabetičku retinopatiju. Baza slika sadrži i oznake normalnih kao i patoloških struktura. Slike su označila pet oftalmologa te se baza koristi za razvoj i validaciju algoritama. Drugi znanstveni doprinos je metoda za detekciju krvnih žila u slikama očne pozadine temeljena na modeliranju i višerazinskom praćenju krvnih žila. Kako bismo locirali optički disk koji se nalazi u svakoj slici očne pozadine razvijena je metoda za lociranje optičkog diska temeljena na glasanju i stohastičkom učenju te ta metoda predstavlja treći važni doprinos ove disertacije. Unutar disertacije pokazujemo kako ovaj pristup daje bolje rezultate od individualnih algoritama koji su dio ansambla algoritama. Kako bismo detektirali eksudate koji su jedan od najvažnijih prvih simptoma prilikom dijagnoze dijabetičke retinopatije razvijena je metoda koja kombinira izlaz duboke konvolucijske neuronske mreže sa specifičnim oftalmološkim znanjem unutar ekspertnog sustava. Ta metoda predstavlja četvrti znanstveni doprinos disertacije. Na kraju disertacije dajemo pregled rada te se daju prijedlozi za poboljšanje performansi sustava.Diabetic retinopathy is one of the leading disabling chronic diseases, and one of the leading causes of preventable blindness in the world. In order to achieve early diagnosis of diabetic retinopathy a major effort will have to be invested into automatic screening systems using color fundus photographs. This thesis investigates advanced image processing and analysis methods, which are needed for automatic screening system development. The first contribution of this thesis work is a database of fifty fundus images from healthy and diabetic patients. The database has normal and pathological structures labeled by five ophthalmology experts and is used for algorithm development and testing. The second contribution is a method for blood vessel segmentation from fundus photographs using model-based multi-scale vessel tracking. In order to locate the optic disc, which is present in all fundus photographs, a method based on a votingbased classifier and stochastic learning is presented as one of the thesis contributions. We show that this approach easily outperforms methods which are part of the classifier ensemble. In order to detect exudates, which are one of the most important early signs of diabetic retinopathy, a method based on combining a deep convolutional neural network with specific ophthalmic knowledge in one expert system was developed and represents the last thesis contribution. In the end, the thesis gives a summary of the work with considerations about potential performance improvements