Segmentace arteriální stěny v obrazech sítnice s vysokým rozlišením

Abstract

Tato diplomová práce se zaměřuje na automatickou segmentaci arteriálních stěn sítnice na snímcích pořízených pomocí adaptivní optiky. Adaptivní optika je neinvazivní zobrazovací metoda, která poskytuje vysoké laterální rozlišení a umožňuje detailní pozorování mikrostruktur sítnice, včetně arteriálních stěn. Tato technologie je klíčová pro včasnou diagnostiku vávažných onemocnění, jako je arteriální hypertenze a diabetická retinopatie. Hlavním cílem práce byla detekce lumen arterie a segmentace jejích stěn. Pro detekci lumen byly využity morfologické a filtrační techniky. Pro segmentaci arteriálních stěn byly analyzovány jasové profily podél detekovaného lumen a využity metody aktivních kontur a splajnů. Výsledky ukazují, že metoda segmentace pomocí aktivních kontur zvyšuje přesnost detekce arteriálních stěn, zejména v oblastech s vysokým kontrastem. Tato práce shrnuje poznatky a navrhuje zlepšení detekce vnitřní strany stěny arterie, která snižuje úspěšnost segmentace v této práci.This thesis focuses on automatic segmentation of retinal arterial walls in images acquired using adaptive optics. Adaptive optics is a non-invasive imaging method that provides high lateral resolution and allows detailed observation of retinal microstructures, including arterial walls. This technology is crucial for early diagnosis of serious diseases such as arterial hypertension and diabetic retinopathy. The main objective of this work was to detect the arterial lumen and segment its walls. Morphological and filtration techniques were used for lumen detection. For arterial wall segmentation, brightness profiles along the detected lumen were analyzed and active contour and spline methods were used. The results show that the active contour segmentation method improves the accuracy of arterial wall detection, especially in high-contrast regions. This thesis summarizes the findings and proposes improvements in the detection of the inner side of the arterial wall, which reduces the segmentation success rate in this work.