Diskus Optik dan Segmentasi Cawa Optik untuk Glaukoma Deteksi dari Gambar Retina Buram Menggunakan Mask-RCNN yang Ditingkatkan
Keywords:
Deteksi glaukoma, Optic disc (OD), Optic cup (OC), Retina images, Blur images, Fully automatic framework, ground-truth (GT).Abstract
Glaukoma, penyakit mata yang melemahkan yang menyebabkan kerusakan optic disc (OD) dan optic cup (OC), yang akhirnya menyebabkan kebutaan pada stadium lanjut, menimbulkan tantangan untuk identifikasi dini karena perkembangannya yang lambat dan gejala awal yang terbatas. Oleh karena itu, kerangka kerja otomatis sangat penting untuk membantu skrining dan meningkatkan deteksi penyakit tahap awal. Dalam penelitian ini, kami fokus pada lokalisasi dan segmentasi OD dan OC dalam gambar retina kabur untuk deteksi glaukoma. Untuk mengatasi tantangan tersebut, kami mengusulkan pendekatan baru, yaitu Mask-RCNN berbasis Densenet-77. Kami mulai dengan menambah kumpulan data dan memperkenalkan keburaman untuk meningkatkan keragaman data. Selanjutnya, kami membuat anotasi dari gambar ground-truth (GT). Kerangka kerja Densenet-77 kemudian digunakan dalam fase ekstraksi fitur dari Mask-RCNN untuk menghitung poin-poin penting yang mendalam. Selanjutnya, fitur yang dihitung ini digunakan oleh model Mask-RCNN yang disesuaikan untuk melokalkan dan menyegmentasikan OD dan OC. Evaluasi kinerja dilakukan pada kumpulan data ORIGA yang tersedia untuk umum, dan validasi lintas kumpulan data dilakukan menggunakan database HRF untuk menunjukkan ketahanan kerangka kerja. Kerangka kerja yang disajikan mencapai rata-rata presisi, daya ingat, ukuran-F, dan IOU masing-masing sebesar 0,965, 0,963, 0,97, dan 0,972. Hebatnya, metode yang diusulkan menunjukkan kinerja yang unggul dalam hal efisiensi dan efektivitas bila dibandingkan dengan teknik canggih, bahkan dengan adanya variasi kabur, kebisingan, dan cahaya.
References
Aldy Prasetya, A. D. (2022). Sistem Pakar Untuk Mendiagnosa Kerusakan Mata Akibat Softlens Menggunakan Metode Forward Chaining. BISIK : Jurnal Ilmu Komputer, Hukum, Kesehatan Dan Sosial Humaniora.
H. Fu, J. C. (2018). Disc-aware ensemble network for glaucoma screening from fundus image. IEEE Transactions on Medical Imaging.
H. Fu, J. C. (2018). Joint optic disc and cup segmentation based on multi-label deep network and polar transformation,. IEEE Transactions on Medical Imaging.
J. Martins, J. S. (2020). Offline computer-aided diagnosis for Glaucoma detection using fundus images targeted at mobile devices. Computer Methods and Programs in Biomedicine.
L. Li. (2019). A large-scale database and a CNN model for attention-based glaucoma detection. IEEE Transactions on Medical Imaging.
M. N. Bajwa, M. I. (2019). Two-stage framework for optic disc localization and glaucoma classifi-cation in retinal fundus images using deep learning. BMC Medical Informatics and Decision Making.
Nath, P. E. (2020). Glaucoma assessment from color fundus images using convolutional neural network. International Journal of Imaging Systems and Technology.
Pratt, a. Y. (2018). Dense fully convolutional seg-mentation of the optic disc and cup in colour fundus for glaucoma diagnosis. Symmetry.
R. Hemelings, B. E.-B. (2020). Accurate pre-diction of glaucoma from colour fundus images with a con-volutional neural network that relies on active and transfer learning. Acta Ophthalmologica.
Rosyani, P. &. (2023). Ekstraksi Fitur Wajah Menggunakan Metode Viola Jones dengan Tools Cascade Detector. JURIKOM (Jurnal Riset Komputer).
Shanthamalar, R. G. (2020). Improved image processing techniques for optic disc segmentation in retinal fundus images. Biomedical Signal Processing and Control.
T. Nazir, A. I. (2020). Diabetic retinopathy lesions detection using faster-RCNN from retinal images.
T. Nazir, A. I. (2020). Retinal image analysis for diabetes-based eye disease detection using deep learning. Applied Sciences.
Y. Jiang, L. D. (2019). JointRCNN: a region-based convolutional neural network for optic disc and cup seg-mentation. IEEE Transactions on Biomedical Engineering.
Y. Wang, H. L. (2019). Multi-scale DenseNets-based aircraft detection from remote sensing images.
Z. Lu and D. Chen. (2020). Weakly supervised and semi-supervised semantic segmentation for optic disc of fundus image. Symmetry.
