Retinal Nerve Fiber Layer Analysis via Markov Random Fields Texture Modelling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F10%3APU86943" target="_blank" >RIV/00216305:26220/10:PU86943 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Retinal Nerve Fiber Layer Analysis via Markov Random Fields Texture Modelling

Popis výsledku v původním jazyce

The texture analysis of the retinal nerve fiber layer (RNFL) in colour fundus images is a promising tool for early glau-coma diagnosis. This paper describes model-based method for detection of changes in the RNFL. The method utilizes Gaussian Markov random fields (GMRF) and the least-square error (LSE) estimate for the local RNFL texture modelling. The model parameters are used as a texture fea-tures and non-linear classifier based on the Bayesian rule is used for classification of healthy and glaucomatous RNFL tissue. The proposed features are tested in the sense of clas-sification errors and also they are applied for segmentation of RNFL defects in high-resolution colour fundus-camera images. The results are also compared with the Optical Co-herenceTomography images regarded as a gold standard for our application due to the possibility of RNFL thickness measurement.

Název v anglickém jazyce

Retinal Nerve Fiber Layer Analysis via Markov Random Fields Texture Modelling

Popis výsledku anglicky

The texture analysis of the retinal nerve fiber layer (RNFL) in colour fundus images is a promising tool for early glau-coma diagnosis. This paper describes model-based method for detection of changes in the RNFL. The method utilizes Gaussian Markov random fields (GMRF) and the least-square error (LSE) estimate for the local RNFL texture modelling. The model parameters are used as a texture fea-tures and non-linear classifier based on the Bayesian rule is used for classification of healthy and glaucomatous RNFL tissue. The proposed features are tested in the sense of clas-sification errors and also they are applied for segmentation of RNFL defects in high-resolution colour fundus-camera images. The results are also compared with the Optical Co-herenceTomography images regarded as a gold standard for our application due to the possibility of RNFL thickness measurement.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/1M0572" target="_blank" >1M0572: Data, algoritmy, rozhodování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

18th European Signal Processing Conference (EUSIPCO-2010)

ISBN

—

ISSN

2076-1465

e-ISSN

—

Počet stran výsledku

4

Strana od-do

—

Název nakladatele

EURASIP

Místo vydání

Neuveden

Místo konání akce

Aalborg

Datum konání akce

24. 8. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—