Preview

Информатика

Расширенный поиск

АЛГОРИТМ ОПРЕДЕЛЕНИЯ ХАРАКТЕРИСТИК КРОВОТОКА В СОСУДАХ ГЛАЗНОГО ДНА ПО ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ

Полный текст:

Аннотация

Рассматривается метод определения динамических количественных характеристик кровотока в сосудах глазного дна глаза, таких как изменение диаметра сосуда, линейная и объемная скорости кровотока. Данные характеристики позволяют определить изменения кровотока в микроциркуляторном русле, влияющие на кровоток в сосудах мозга, почек и коронарных сосудах. Разработанный алгоритм включает этапы стабилизации видеопоследовательности, сегментации сосудов с помощью нейронной сети, определения мгновенной скорости в сосуде на основе оптического потока, анализа полученных результатов.

 

Об авторах

О. В. Недзьведь
Белорусский государственный университет, Минск; Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Беларусь
старший преподаватель кафедры медицинской и биологической физики


С. В. Абламейко
Белорусский государственный университет, Минск; Объединенный институт проблем информатики Национальной академии наук Беларуси, Минск
Беларусь
доктор технических наук, академик НАН Беларуси, профессор механико-математического факультета


А. М. Недзьведь
Белорусский государственный университет, Минск
Беларусь
доктор технических наук, заведующий кафедрой компьютерных технологий и систем


А. В. Глинский
Белорусский государственный медицинский университет, Минск
Беларусь
научный сотрудник лаборатории информационно-компьютерных технологий


Г. М. Карапетян
Белорусский государственный медицинский университет, Минск
Беларусь
заведующий лабораторией информационно-компьютерных технологий


А. А. Анисимов
Белорусский государственный медицинский университет, Минск
Беларусь
ассистент кафедры нормальной анатомии


И. Б. Гуревич
Федеральный исследовательский центр «Информатика и управление» Российской академии наук (Вычислительный центр им. А. А. Дородницына), Москва
Россия
кандидат физико- математических наук, заведующий отделом математических и прикладных методов анализа изображений и нелинейных задач


В. В. Яшина
Федеральный исследовательский центр «Информатика и управление» Российской академии наук (Вычислительный центр им. А. А. Дородницына), Москва
Россия
кандидат физико-математических наук, ведущий научный сотрудник


Список литературы

1. Algorithms for digital image processing in diabetic retinopathy / R. J. Winder [et al.] // Computerized Medical Imaging and Graphics. – 2009. – Vol. 33(8). – P. 608–622.

2. Felkel, P. Vessel tracking in peripheral CTA datasets – an overview / P. Felkel, R. Wegenkittl, A. Kanitsar // Computer Graphics (Spring Conference on). – Budmerice, Slovakia, 2001. – P. 232–239.

3. Buhler, K. Geometric methods for vessel visualization and quantification – a Survay / K. Buhler, P. Felkel, A. L. Cruz // Geometric Modelling for Scientific Visualization. – Berlin, Heidelberg: Springer, 2003. – P. 399–421.

4. Kirbas, C. A review of vessel extraction techniques and algorithms / C. Kirbas, F. Quek // ACM Computing. – 2004. – Vol. 36(2). – P. 81–121.

5. Mabrouk, M. S. Survey of retinal image segmentation and registration / M. S. Mabrouk, N. H. Solouma, Y. M. Kadah // International Journal on Graphics, Vision and Image Processing. – 2006. – Vol. 6(2). – P. 1–11.

6. Algorithms for the automated detection of diabetic retinopathy using digital fundus images : a review / O. Faust [et al.] // Journal of Medical Systems. – 2012. – Vol. 36(1). – P. 145–57.

7. Blood vessel segmentation methodologies in retinal images / M. M. Fraz [et al.] // Comput Methods Programs Biomed. – 2012. – Vol. 108(1). – P. 407–433.

8. Evaluation of a system for automatic detection of diabetic retinopathy from color fundus photographs in a large population of patients with diabetes / M. D. Abrаmoff [et al.] // Diabetes Care. – 2008. – Vol. 31(2). – P. 193–198.

9. Deep neural net-works segment neuronal membranes in electron microscopy images / D. C. Ciresan [et al.] // Advances in Neural Information Processing Systems 25 (NIPS 2012). – Harrahs and Harveys: Curran Associates, Inc., 2012. – P. 2852–2860.

10. Retinal vessel measurement: comparison between observer and computer driven methods / R. S. Newsom [et al.] // Graefes Arch. Clin. Exp. Ophthalmol. – 1992. – Vol. 230(3). – P. 221–225.

11. FlowNet: Learning Optical Flow with Convolutional Networks / A. Dosovitskiy [et al.] // Computer Vision (ICCV), IEEE Intern. Conf. – Chile, 2015. – P. 2758–2766.

12. Barron, J. L. Performance of optical flow techniques / J. L. Barron, D. J. Fleet, S. Beauchemin // International Journal of Computer Vision. – 1994. – Vol. 12(1). – P. 43–77.

13. Farnebäck, G. Two-Frame Motion Estimation Based on Polynomial Expansion / G. Farnebäck // Proceedings of the 13th Scandinavian Conf. on Image Analysis. – Halmstad, Sweden, 2003. – P. 363–370.

14. Detection of dynamical properties of flow in an eye vessels by video sequences analysis / A. Nedzved [et al.] // Intern. Conf. on Information and Digital Technologies. – Zilino, Slovakia, 2017. – P. 275–281.


Для цитирования:


Недзьведь О.В., Абламейко С.В., Недзьведь А.М., Глинский А.В., Карапетян Г.М., Анисимов А.А., Гуревич И.Б., Яшина В.В. АЛГОРИТМ ОПРЕДЕЛЕНИЯ ХАРАКТЕРИСТИК КРОВОТОКА В СОСУДАХ ГЛАЗНОГО ДНА ПО ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ. Информатика. 2018;15(1):92-102.

For citation:


Nedzvedz O.V., Ablameyko S.V., Nedzved A.M., Glinsky A.V., Karapetyan G.M., Anisimov A.A., Gurevich I.B., Yashina V.V. THE ALGORITHM OF DETERMINATION OF EYE FUNDUS VESSELS BLOOD FLOW CHARACTERISTICS ON VIDEOSEQUENCE. Informatics. 2018;15(1):92-102. (In Russ.)

Просмотров: 248


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1816-0301 (Print)
ISSN 2617-6963 (Online)