Statistical segmentation methods and color variance analysis of retinal images

Abstract

In this research, the effectiveness of Naive Bayes and Gaussian Mixture Models classifiers on segmenting exudates in retinal images is studied and the results are evaluated with metrics commonly used in medical imaging. Also, a color variation analysis of retinal images is carried out to find how effectively can retinal images be segmented using only the color information of the pixels.

Tässä tutkimuksessa on tutkittu naiivin bayesiläisen luokittimen ja Gaussisiin sekotemalleihin pohjautuvan luokittimen kykyä eristää silmänpohjakuvista eksudaatteja. Tulokset on mitattu lääketieteellisessä kuvantamisessa tyypillisesti käytetyillä metriikoilla. Tutkimuksessa on analysoitu myös silmänpohjakuvien värien vaihtelua ja pyritty selvittämään, kuinka hyvin silmänpohjakuvia voidaan segmentoida pelkästään väri-informaatiota käyttämällä.