ophthalmologyОфтальмологияOphthalmology in Russia1816-50952500-0845Ophthalmology10.18008/1816-5095-2020-4-817-823ophthalmology-1380Research ArticleОРГАНИЗАЦИЯ ЗДРАВООХРАНЕНИЯHEALTH CAREАвтоматизированная система информационной поддержки врача-офтальмолога для морфологического описания состояния диска зрительного нерваThe Automated Expert Support System for Optic Nerve Head Morphological DescriptionТанаеваЕ. Г.TanaevaE. G.

аспирант, пл. Ленина, 3, Йошкар-Ола, Республика Марий Эл, 424000;

врач-офтальмолог, ул. Пролетарская, 68а, Йошкар-Ола, Республика Марий Эл, 424000

postgraduate, Lenin sq., 3, Yoshkar-Ola, Republic of Mari El, 424000;

phthalmologist, Proletarskaya str., 68А, Yoshkar-Ola, Republic of Mari EL, 424000

ХафизовР. Г.KhafizovR. G.

профессор, доктор технических наук,

пл. Ленина, 3, Йошкар-Ола, Республика Марий Эл, 424000

Dr. Sc., Tech., Professor, 

Lenin sq., 3, Yoshkar-Ola, Republic of Mari El, 424000

ФГБОУ ВО «Поволжский государственный технологический университет»; ГБУ РМЭ «Республиканская офтальмологическая больница им. Г.И. Григорьева»РоссияVolga State University of Technology; Republican G.I. Grigoriev Ophthalmologic HospitalRussian FederationФГБУО ВО «Поволжский государственный технологический университет»РоссияVolga State University of TechnologyRussian Federation202027122020174817823Copyright © Танаева Е.Г., Хафизов Р.Г., 20202020Танаева Е.Г., Хафизов Р.Г.Tanaeva E.G., Khafizov R.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.ophthalmojournal.com/opht/article/view/1380Цель

Цель: разработка автоматизированной системы поддержки принятия решений врачом-офтальмологом для решения задач по морфологическому описанию состояния диска зрительного нерва в норме и при патологии.

Методы

Методы. В качестве базового алгоритма разработанной системы поддержки принятия решений (СППР) лежит алгоритм накопления отсчетов яркости по диагонали, что позволяет решать задачу выделения границы диска зрительного нерва (ДЗН). На основе данного алгоритма предложены для выполнения следующих задач обработки изображений глазного дна следующие методики: выделение ДЗН, морфологическое описание границы ДЗН, выделение экскавации ДЗН. Проведено экспериментальное исследование влияния параметров на эффективность метода выделения ДЗН.

Результаты

Результаты. Оценка эффективности предложенного алгоритма выделения границы на модели ДЗН показала, что величина перекрытия составила в среднем 0,985, что говорит о высокой точности. То есть алгоритм оценки диаметра изображения ДЗН достаточно устойчив к изменению таких параметров, как влияние уровня шума в сцене и смещение координат центра строба накопления отсчетов от координат центра изображения. Оценка эффективности методики морфологического описания границы ДЗН показала, что в среднем значение первой производной результата накопления отсчетов яркости по диагонали для изображений ДЗН с размытыми границами в 2 раза меньше, чем для изображений ДЗН с четкими границами. Исследована эффективность метода выделения границы для оценки величины экскавации ДЗН. Получено, что погрешность оценки величины экскавации составила в среднем 8,43 %.

Заключение

Заключение. Предложенная система поддержки принятия решений позволяет автоматизировать процесс морфологического описания состояния ДЗН, в частности таких его параметров, как состояние границы и размер экскавации. Данный метод может быть использован при создании медицинских экспертных систем и программного обеспечения по обработке изображений глазного дна. 

Purpose

Purpose. To develop the automated expert support system for optic nerve head morphological description in normal conditions and in pathology.

Methods

Methods. The proposed expert support system is based on the integration algorithm of luminance samples along the diagonal, it allows to detect the optic nerve head border. On the basis of this algorithm the method for solving the following tasks of fundus image processing have been proposed: detecting of the optic nerve head border, method of the morphological description of the optic nerve head boundary, method of the determining the value of the disk excavation. An experimental study of the parameters effect on the effectiveness of the optic nerve head detecting method was made.

Results

Results. The effectiveness assessment of the proposed border detection algorithm on the optic nerve head model has showed that the amount of overlap averaged 0.985, which indicates high quality. It was found that the algorithm for estimating the diameter of the single-sided optic nerve head image is sufficiently resistant to changes in such parameters as the influence of the noise level in the scene and the offset of the strobe center coordinates of the samples accumulation from the image center coordinates. Evaluation of the efficiency of the optic nerve head borders morphological description has showed that the value of the first-order derivative of the result of accumulation of luminance readings diagonally for images of optic nerve head with blurred boundaries is 2 times smaller than for images of optic nerve head with clear boundaries. The effectiveness of the method of selecting the border for assessment the disk excavation size was examined. It was obtained that the error in estimating the magnitude of excavation amounted to an average of 8.43 %.

Conclusions

Conclusions. Тhe presented expert support system allows to automate the process of optic disk morphological description, in particular, such parameters as the state of the border and the size of the disc excavation. This method can be used to create medical expert systems and software for fundus images processing. 

диск зрительного нервацифровые изображения глазного днаэкскавация дискаoptic nerve headdigital fundus imagesdisk excavationReferencesКацнельсон Л.А., Лысенко В.С., Балишанская Т.И. Клинический атлас патологии глазного дна. М.; 1997:152.Katsnelson L.A., Lysenko V.S., Balishanskaya T.I. Clinical Atlas of Eye Fundus Pathology. Moscow; 1997:152 (In Russ.).Lowell J., Hunter A., Steel D., Basu A., Ryder R., Fletcher E., Kennedy L. Optic nerve head segmentation. IEEE Trans. Medical Imaging. 2004;23(2):256–264. DOI: 10.1109/TMI.2003.823261Lowell J., Hunter A., Steel D., Basu A., Ryder R., Fletcher E., Kennedy L. Optic nerve head segmentation. IEEE Trans. Medical Imaging. 2004;23(2):256–264. DOI: 10.1109/TMI.2003.823261Li H.Q., Chutatape O. Automated feature extraction in color retinal images by a model based approach. IEEE Trans. Biomed. Eng. 2004;51(2):246–254. DOI: 10.1109/TBME.2003.820400Li H.Q., Chutatape O. Automated feature extraction in color retinal images by a model based approach. IEEE Trans. Biomed. Eng. 2004;51(2):246–254. DOI: 10.1109/TBME.2003.820400Rangayyan M., Xiaolu Z., Fábio J.A., Anna L.E. Detection of the Optic Nerve Head in Fundus Images of the Retina with Gabor Filters and Phase Portrait Analysis Rangaraj. Journal of Digital Imaging. 2010;23(4):438–453.Rangayyan M., Xiaolu Z., Fábio J.A., Anna L.E. Detection of the Optic Nerve Head in Fundus Images of the Retina with Gabor Filters and Phase Portrait Analysis Rangaraj. Journal of Digital Imaging. 2010;23(4):438–453.Sinthanayothin C., Boyce J.F., Cook H.L., Williamson, T.H. Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images. Br. J. Ophthalmol. 1999;83:902–910.Sinthanayothin C., Boyce J.F., Cook H.L., Williamson, T.H. Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images. Br. J. Ophthalmol. 1999;83:902–910.Yu H., Barriga E.S., Agurto C., Echegaray S., Pattichis M.S., Bauman W., Soliz P. Fast localization and segmentation of optic disk in retinal images using directional matched filtering and level sets. IEEE Trans. Inf. Technol. Biomed. 2012;16(4):644– 657. DOI: 10.1109/TITB.2012.2198668Yu H., Barriga E.S., Agurto C., Echegaray S., Pattichis M.S., Bauman W., Soliz P. Fast localization and segmentation of optic disk in retinal images using directional matched filtering and level sets. IEEE Trans. Inf. Technol. Biomed. 2012;16(4):644– 657. DOI: 10.1109/TITB.2012.2198668Aquino M.E., Gegundez-Arias. D. M. Detecting the optic disc boundary in digital fundus images using morphological edge detection and feature extraction techniques, IEEE Trans. Med. Imag. 2010;29(11):1860–1869. DOI: 10.1109/ TMI.2010.2053042Aquino M.E., Gegundez-Arias. D. M. Detecting the optic disc boundary in digital fundus images using morphological edge detection and feature extraction techniques, IEEE Trans. Med. Imag. 2010;29(11):1860–1869. DOI: 10.1109/ TMI.2010.2053042Hoover A., Goldbaum M. Locating the optic nerve in a retinal image using the fuzzy convergence of the blood vessels. IEEE Trans. Med. Imag. 2003;22(8):951–958. DOI: 10.1109/TMI.2003.815900Hoover A., Goldbaum M. Locating the optic nerve in a retinal image using the fuzzy convergence of the blood vessels. IEEE Trans. Med. Imag. 2003;22(8):951–958. DOI: 10.1109/TMI.2003.815900Хафизов Р.Г., Танаева Е.Г. Метод выделения границы диска зрительного нерва на изображениях глазного дна. Медицинская техника. 2018;2:19–22.Khafizov R.G., Tanaeva E.G. Тhe method of the optic disc detection of fundus images. Medical equipment = Meditsinskaia Tekhnika. 2018;2:19–22 (In Russ.).Хафизов Р.Г., Танаева Е.Г. Автоматизация морфологического описания границы диска зрительного нерва на цифровых изображениях глазного дна. Офтальмология. 2018;15(3):325–329. DOI: 10.18008/1816-5095-2018-3-325-329Khafizov R.G., Tanaeva E.G. The morphological description automation of the optic nerve head boundary in digital fundus images. Ophthalmology in Russia = Oftal’mologiya. 2018;15(3):325–329 (In Russ.) DOI: 10.18008/1816-5095-2018-3-325-329Лебедев О.И., Калижникова Е.А., Яровский А.Е. Топ-лист ведения пациентов с глаукомой: офтальмоскопия. Национальный журнал Глаукома. 2014;1:35–44.Lebedev O.I., Kalizhnikova E.A., Yarovskiy A.E. Top-list of management of patients with glaucoma: ophthalmoscopy. National Journal Glaucoma = Natsional’nyi zhurnal Glaucoma. 2014;1:35–44 (In Russ.).Фурман Я.А., Кравецкий А.В., Передреев А.К., Роженцов А.А., Хафизов Р.Г., Егошина И.Л., Леухин А.Н. Введение в контурный анализ: приложение к обработке изображений и сигналов. М.: Физматлит; 2003:592.Furman Ya.A., Kravetskii A.V., Peredreev A.K., Rozhentsov A.A., Khafizov R.G., Egoshina I.L., Leukhin A.N. Introduction to the contour analysis: application to image and signal processing. Moscow: Fizmatlit; 2003:592 (In Russ.).Хафизов Р.Г., Танаева Е.Г., Егошин М.А. Метод выделения границ и автоматизация описания морфометрических параметров диска зрительного нерва на цифровых изображениях глазного дна. Системный анализ и управление в биомедицинских системах. 2018;17(1):122–126.Khafizov R.G., Tanaeva E.G., Egoshin M.A. The method of the optic disc detection and morphological description automation in digital fundus images. System analysis and management in biomedical systems = Sistemnyj analiz i upravlenie v biomedicinskih sistemah 2018;17(1):122–126 (In Russ.).

The authors declare that there are no conflicts of interest present.