Internationale Zeitschrift für Schwarmintelligenz und Evolutionsberechnung

Abstrakt

Analyse der Gefäßerkennung in menschlichen Netzhautbildern mittels bakterieller Nahrungssuche-Optimierung basierend auf Multi-Thresholding

 N Sri Madhava Raja*, G Kavitha und S Ramakrishnan

Die Analyse von Blutgefäßen in digitalen Fundusbildern der Netzhaut ist ein wichtiges Problem, das in der zeitgenössischen

Biomedizinische Ingenieurforschung. In dieser Arbeit werden normale und abnormale Netzhautbilder mit adaptiver Histogramm-Entzerrung und Fuzzy-Filterung vorverarbeitet. Die vorverarbeiteten Bilder werden dann der mehrstufigen Tsallis-Schwellenwertmethode unterzogen. Die durch die gewählte Methode ermittelten Schwellenwerte werden mithilfe von Techniken zur Optimierung der bakteriellen Nahrungssuche weiter optimiert, um den Gefäßinhalt zu verbessern. Die erzielten Ergebnisse werden mithilfe von Ähnlichkeitsmaßen validiert, indem sie mit der entsprechenden Grundwahrheit jedes Bildes verglichen werden. Statistische und Tamura-Merkmale werden aus optimalen mehrstufigen Schwellenwert-Ausgabebildern abgeleitet, um die gesunden und pathologischen Bilder zu analysieren. Die Ergebnisse zeigen, dass eine Reihe von Vorverarbeitungstechniken die Kanteninformationen erheblich verbessert und die Effizienz der Segmentierung steigert. Es wird beobachtet, dass die Optimierung der bakteriellen Nahrungssuche für die mehrstufige Tsallis-Schwellenwertmethode in der Lage ist, die Netzhautvaskulatur zu extrahieren. Ähnlichkeitsmaße zeigen, dass diese Methode eine erhebliche Verbesserung bei der Extraktion von Gefäßrändern bietet. Darüber hinaus ermöglichen die aus erkannten Gefäßen abgeleiteten statistischen und Tamura-Merkmale eine bessere Unterscheidung zwischen gesunden und pathologischen Bildern. Da das Vorhandensein und Fehlen von Gefäßen in der Netzhaut klinisch bedeutsam ist, scheinen die Ergebnisse nützlich zu sein.