Segmentierung von Blutgefäßen, Lokalisierung des Sehnervenkopfes, Detektion von Exsudaten und Diagnose der diabetischen Retinopathie aus digitalen Fundusbildern

Die diabetische Retinopathie (DR) ist eine Komplikation chronisch unkontrollierten Diabetes und eine der häufigsten Ursachen für Blindheit weltweit. Diese Arbeit konzentriert sich auf verbesserte und robuste Methoden zur Extraktion von Merkmalen der DR, insbesondere Blutgefäße und Exsudate. Die Segmentierung der Blutgefäße erfolgt durch mehrere morphologische und Schwellwertoperationen. Für die Segmentierung der Exsudate werden k-means-Clustering und Konturerkennung auf den Originalbildern angewendet. Um Fehlpositive aus den Ergebnissen des Gefäßsegmentierungsalgorithmus zu entfernen, wird umfangreiche Rauschreduzierung durchgeführt. Zudem wird die Lokalisierung des Sehnervenkopfes mittels k-means-Clustering und Vorlagewerbung (Template Matching) durchgeführt. Abschließend präsentiert diese Arbeit ein tiefes Faltungsneuronales Netz (Deep Convolutional Neural Network, DCNN) mit 14 Faltungsschichten und 2 vollständig verbundenen Schichten für die automatische binäre Diagnose von DR. Die Genauigkeiten der Gefäßsegmentierung, Sehnervenkopflokalisierung und des DCNN betragen jeweils 95,93 %, 98,77 % und 75,73 %. Der Quellcode und das vortrainierte Modell sind unter https://github.com/Sohambasu07/DR_2021 verfügbar.