RETİNAL GÖRÜNTÜLERDE OPTİK DİSKİN OTOMATİK OLARAK ÇIKARILMASI İÇİN BİR YÖNTEM A METHOD FOR AUTOMATIC OPTIC DISC EXTRACTION IN RETINAL FUNDUS IMAGES

Transkript

1 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), Mayıs 009, Karabük, Türkiye RETİNAL GÖRÜNTÜLERDE OPTİK DİSKİN OTOMATİK OLARAK ÇIKARILMASI İÇİN BİR YÖNTEM A METHOD FOR AUTOMATIC OPTIC DISC EXTRACTION IN RETINAL FUNDUS IMAGES Zafer YAVUZ a,*, Cevat İKİBAŞ a, Uğur ŞEVİK a ve Cemal KÖSE a a, Karadeniz Teknik Üniversitesi, Trabzon, Türkiye, E-posta: zaferyavuz@ktu.edu.tr E-posta: cikibas@ktu.edu.tr, usevik@ktu.edu.tr, ckose@ktu.edu.tr Özet Teknolojideki ilerlemelere paralel olarak, tıpta kullanılan bilgisayarlı tekniklerin sayısında ve etkinliğinde önemli artışlar kaydedilmektedir. Otomatik görüntü işleme ve analizi, tıbbi teşhis, tedavi ve izleme alanında kullanılan tekniklerdendir. Bu alanda son 15 yılda kaydedilen gelişmeler, retinal görüntülerdeki değişik özelliklerin, değişimlerin ve dejenerasyonların otomatik olarak algılanmasına imkân sağlamaktadır. Retinal görüntülerin analizinin doğru biçimde yapılması, retinanın doğal yapısındaki optik disk ve makula gibi yapıların doğru olarak tespiti ve dejenerasyonlardan ayırt edilmesi ile yakından ilişkilidir. Literatürde bu alanda yapılmış çok sayıda çalışma vardır. Bu çalışmalar, görüntü işleme veya model tabanlı olabilmektedir. Her iki yöntemin de kullanıldığı bu çalışmada ilk olarak görüntü işleme teknikleri ile retinal görüntüde aday optik disk bölgeleri bulunmakta, daha sonra Hough Dönüşümü yöntemi ile retinada geometrik olarak bir daire oluşturabilecek bölgeler araştırılmaktadır. Son olarak dairesel yapılar ve aday optik disk bölgeleri karşılaştırılarak optik diskin bulunduğu bölge tespit edilmektedir. Karadeniz Teknik Üniversitesi Tıp Fakültesi oftalmoloji bölümünden alınan retinal görüntüler üzerinde yapılan testler sonucunda %85 oranında başarı sağlamıştır. Anahtar kelimeler: Optik Disk Çıkarma, Retinal Görüntü analizi, Makula, Göz hastalıkları Abstract Along with the advancements in technology, the number and capability of techniques used in medical fields are increased. Automated image analysis and processing is one of the most promising areas of computer vision used in medical diagnosis, screening and treatment. The advancements achieved in this field made it possible that retinal degenerations, morphologic structures and features can be detected automatically. The proper and accurate analysis of retinal images is closely related with correct detection and segmentation of some structures such as optic disc, macula and vasculature and differentiation of these structures from degenerations. There are a quite number of studies conducted related with these issues. Most of these studies are based on image processing or pattern recognition. In this study, which employs both approaches, candidate regions for optic disc are first found based on image processing techniques and then regions that could include circular areas on the retinal image are searched by Hough Transform. The last operation is eliminating the areas where no circle is detected. The remaining area should be the one that includes the optic disc. The system achieved 85% of success on images taken from Department of Ophthalmology in Medical Faculty of Karadeniz Technical University. The experimental results has shown that using both approach increases the success rate compared to the ones used only one approach. Keywords: Optic disc extraction, Retinal image analysis, macula, retinal diseases 1. Giriş Günümüzde tıp alanındaki bilgisayarlı uygulamaların yeri ve önemi giderek artmaktadır. Bu alanlara örnek olarak retinal fundus görüntülerinin otomatik olarak işlenmesi ve bu yolla göz hastalıklarının teşhis ve takibi verilebilir. Retinal görüntülerdeki damarlar, optik disk ve makula gibi morfolojik yapıların ve oluşan dejenerasyonların otomatik olarak tespiti, retinal görüntülerden hastalık tespit ve takibinde son derece önemlidir [1], [], [3], [4], [5], [6]. Diyabetik retinopati, yaşa bağlı bozulma, glukoma gibi birçok hastalık bu yapılarda görülen değişikliklerden anlaşılabilmektedir [5], [6], [7]. Bu yüzden bu alanda otomatik olarak bu fonksiyonları gerçekleştiren sistemlere büyük ihtiyaç vardır. Otomatik sistemlerin geliştirilip kullanılması çok büyük veri yığınlarını görsel olarak inceleyip analiz eden sağlık teknisyenlerinin iş yükünü de önemli ölçüde azaltacaktır. Optik disk, normal retinal görüntülerde genellikle gözün ortasında parlak, yuvarlak ve hafif oval bir disk görünümündedir. Makula ise yine aynı şekilde parlak ancak nispeten optik diske göre daha az parlaktır. Şekil 1 de örnek bir retinal fundus görüntüsü verilmektedir. Optik disk, kan damarlarının ve optik sinirlerin retinaya girdiği yerdir ve optik diskin tespit edilmesi fundus görüntülerinde analiz için önemli bir adımdır. Retinal görüntülerde optik diskin tespiti, teşhis ve takipte birçok işlem için ilk adımı teşkil etmektedir. Optik diske göre konumlanan damarların ve makulanın tespiti buna örnek olarak verilebilir. Özellikle retinal kan damarlarının tespiti ve takip edilmesi işlemi optik diskin konumundan başlamaktadır [1], [3], [4], [9], [14]. Optik diskin tespit edilerek aynı özellikleri taşıyan lezyonlardan ayrılması, lezyonların daha iyi bölütlenmesi açısından da son derece yararlıdır [3], [5], [6], [8]. Optik diskin anormal boyutları glokoma gibi bazı hastalıkların habercisi olabilmektedir. Diğer taraftan hastalıklara bağlı olarak bu yapıların değişiklikler göstermesi, otomatik tespitlerini oldukça zorlaştırmaktadır [9]. IATS 09, Karabük Üniversitesi, Karabük, Türkiye

2 (Haussdorf-based template matching) [0] ve Hough dönüşümü verilebilir [4], [1]. Optik diskin bulunmasında retinal görüntülerdeki yapıların geometrik olarak anlamlı bir şekil arz etmesinden faydalanan yöntemler de vardır. Örneğin gözdeki sinyalleri beyne ulaştıran tüm retinal damarlar, Şekil 1 de görüldüğü gibi, optik diskten başlamakta ve damarlar tüm görüntülerde benzer bir simetriye sahip olmaktadır [], [3], [4].. Optik Disk Konumunu Belirleme Şekil 1. Örnek bir retinal fundus görüntüsü Literatürde optik diskin bulunması konusu ile ilgili birçok çalışma yapılmıştır [1], [], [8], [5], [6]. Bu çalışmalar piksel tabalı ve model tabanlı olabilmektedir. Piksel tabanlı bir çalışmada Li ve ark. bir gri seviye görüntüsünde parlak piksellerin toplandığı bölgeleri aday bölgeler olarak belirleyip, bu alanlardan optik disk için en uygun olanı model tabanlı bir yaklaşımla belirlemektedir [10]. Piksel tabanlı bir başka çalışmada, Lee ve ark. iki aşamalı bir algoritma geliştirmiş ve morfolojik bir interpolasyon yöntemiyle optik disk bölgesini bulmuştur [11]. Literatürde optik disk tespiti ile ilgili birçok çalışma yapılmıştır. Bu çalışmalarda genel olarak iki ana yaklaşım kullanılmaktadır. Birinci yaklaşım piksel tabanlı yaklaşımdır. Bu yaklaşıma göre her bir piksel tek tek değerlendirilerek o pikselin optik diskin bir parçası olup olmadığı araştırılmaktadır. İkinci yaklaşım ise model tabanlı yaklaşımdır ve bu yaklaşıma göre görüntüye ait pikseller bir bütün olarak anlamlıdır. Görüntüye ait pikseller tek başlarına bir anlam ifade etmemekte, aksine, etrafında bulunan piksellerle birlikte bir bütün olarak değerlendirildiklerinde bir anlam ifade etmektedirler. Renk morfolojisinin kullanıldığı bir çalışmada otomatik olarak başlatılmış Aktif Kontur Model (AKM) kullanılarak damarların elimine edilmesiyle görüntü, AKM analize hazır hale getirilmiştir [1]. Bu çalışma, [13] te Lab renk morfolojisi önerisiyle daha da geliştirilmiştir. Retinal görüntülerin morfolojik yapısı da birçok yöntemde kullanılan başlıca özelliklerdendir. Bir çalışmada, damar ve optik diskin sınırlarından yararlanılarak önce optik diskin yaklaşık yeri, daha sonra da Watershed dönüşümüyle tam yeri tespit edilmektedir [14]. Glokoma teşhisi için optik disk/cup oranının otomatik olarak tespiti için yapılan başka bir çalışmada ise optik diskin otomatik olarak bulunması için önce gürültüler elenmiş, daha sonrada aydınlanma normalleştirilmiş ve eşikleme yöntemi kullanılarak optik disk bulunmuştur [15]. Aynı amaca yönelik başka bir çalışmada ise optik disk parametrelerinin ve cup/disk oranının bulunması için renk yoğunluğunu ve eşik düzeyi kümesini değerlendiren iki metot önerilmektedir [16]. [17] de değişik özelliklerdeki görüntüler, değişik kaynaklardan toplanmış, basit sinyal işleme teknikleriyle işlenerek iki gruba ayrılmış ve daha sonra uygulanan ki-kare (Chi-square p< 0.05 n=60) testi ile normal ve anormal görüntülerin birbirinden ayrılmasının anlamlı olduğu gösterilmiştir. Optik diskin aktif sınırlarının bulunmasını temel alan çalışmalar da mevcuttur. Bu çalışmalarda, optik diskin sınırları tespit edilirken sınırlardaki şekil bozukluğu, glokoma gibi bazı hastalıkların işareti olabildiği belirtilmiştir [18], [13], [1]. [19] da optik diskin yerinin bulunması özel bir şablon eşleştirme ve bozulabilen sınır model (Deformable Contour Model) kullanılarak gerçekleştirilmektedir. Optik diski bulmada kullanılan akıllı sistemlere örnek olarak Temel Bileşen Analizi-TBA (Principle Component Analysis) [5], Haussdorf tabanlı şablon eşleştirme Şekil. Sistemin Çalışma Şeması Her iki yaklaşımın da kendine göre avantajları ve dezavantajları vardır. Bu çalışmada, optik diskin belirlenmesi için piksel tabanlı ve model tabanlı yaklaşımlar birilikte kullanılmaktadır. Önce optik diskin parlaklık özelliğinden yararlanarak aday optik disk bölgeleri bulunmaktadır. Daha sonra Hough Dönüşümü ile retinal görüntülerde optik diske benzeyen dairesel bölgeler bulunmaktadır. Son adımda, bulunan aday optik disk bölgeleri ve Hough Dönüşümü ile bulunan dairesel bölgeler karşılaştırılarak optik diskin konumu yaklaşık olarak belirlenmektedir. Sistemin çalışma şeması Şekil de verilmiştir.

3 .1. Aday Optik Disk Bölgelerinin Belirlenmesi Aday optik disk tespiti işlemi, gri seviye retinal fundus görüntüleri üzerinde gerçekleştirilmiştir. İlk olarak renkli retinal fundus görüntülerin işlenmesi sırasında arka planda oluşan koyu bölgelerin elenmesi ön işlemi gerçekleştirilmiştir. Arka planın elenmesi için renk kanalları arasındaki hata farkından yararlanılmıştır. Hata miktarı E, eşitlik (1) e göre elde edilmiştir. E = ( m R) + ( m G) + ( m B) (1) m = maksimum( R, G, B) () ort ( R, G, B) < T (3) 1 Burada E, hata değeri, R, G, B ise ilgili pikselin renginin sırasıyla kırmızı, yeşil ve mavi bileşenleridir. (1) de elde edilen hata değeri E, (4) bağıntısına göre değerlendirilerek ilgili pikselin arka plana ait olup olmadığına karar verilir. 1 ( = 0, E < T I (4), E T olarak görülmekte, bazıları ise aydınlatma, retinal hastalıklar ve diğer gürültüler nedeniyle parlak olduklarından ve optik diskle benzerliklerinden, aday optik disk bölgesi olarak hatalı bir şekilde tespit edilmektedir. Bu sorunu çözmek için her bir pikselin optik diske ait olup olmadığına bakılır. Bir pikselin optik diske ait olup olmadığını veren olasılık bağıntısı (5) te verilmiştir. P( S( x n, y n, x + n, y + n) N x N = (5) Burada S(x 1,y 1,x,y ) fonksiyonu, (x 1,y 1 ) ve (x,y ) koordinatları arasında kalan karesel bölgedeki beyaz piksellerin sayısını vermektedir. N=0 ve N=n (karesel bölgenin bir kenarının uzunluğu) olarak alınmıştır. Elde edilen olasılık değerine göre bir pikselin optik diske ait olup olmadığına (6) bağıntısında verilen karşılaştırma sonucunda karar verilir. 1 ( = 0, P( > T I (6) 3, P( T Burada T 3 eşik değeri 0.5 olarak alınmıştır. Son durumdaki aday görüntüler şekil 4 te verilmektedir. 3 Elde edilen arka plan bölgeleri Şekil de gösterilmiştir. (a) (b) Şekil. (a). Orijinal retinal fundus görüntüsü. (b).fundus görüntüye ait olmayan arka plan görüntüleri Siyah bölgelerin elenmesi işleminden sonra görüntü gri seviyeye çevrilir. Retinal fundus görüntüsünde optik disk bölgesinin parlaklık değeri diğer bölgelere gore daha yüksek olduğundan gri seviye görüntü üzerinde en yüksek % parlaklığa sahip pikseller tespit edilir [6]. Burada bir eşik değeri hesaplanarak görüntü ikili görüntüye çevrilir. İkili görüntüde optik disk ve diğer parlak bölgeler (genellikle hastalıklı bölgeler) beyaz olarak işaretlenir (Şekil 3). Burada görüldüğü gibi, oluşan ikili görüntüde birçok bölge bulunmaktadır. Şekil 4. Örnek aday bölgeler Aday optik disk seçimi aşamasında elde edilen ikili görüntülerde küçük bölgeler oluşabilmektedir. Bu durum aday optik disc bölge sayısının oldukça artmasına sebep olabilir. Bu yüzden toplam piksel sayısı 100 den küçük olan aday bölgeler doğrudan elenmektedir. Bu aşamadan sonra Hough Dönüşümü Yöntemi İle geometrik olarak bir daire oluşturabilecek bölgeler belirlenmekte ve aday optik disk bölgeleriyle karşılaştırılmaktadır. (a) (b).. Hough Dönüşümü Yardımıyla Optik Disk Tespiti Retinal görüntülerde optik disk bölgesi genellikle dairesel bir bölgedir. Bu nedenle görüntülerde dairesel yapılar araştırılarak optik disk olabilecek bölgeler tespit edilmektedir. Dairelerin tespiti için gerekli Hough Dönüşümü (7) eşitliğinde tanımlanmaktadır. Şekil 3. (a). Orjinal retinal görüntü. (b). Örnek ikili görüntü Bu bölgelerin her biri aday optik disk bölgesidir. Bazı bölgeler tek bir bölgeye ait olmasına rağmen farklı bölgeler ( x = r x0 ) + ( y y0 ) (7)

4 Bu eşitlik, merkezi (x 0,y 0 ) ve yarıçapı r olan ( noktalarının yörüngesini göstermektedir. Daire denklemi parametrik olarak ise (8) deki gibi tanımlanabilir. x = x 0 + rcosθ ve y y + rcosθ = 0 (8) Retinal görüntülerde dairesel bölgeler (8) de verilen eşitliklere göre taranır. Görüntü üzerinde dairesel bölge araştırması yapabilmek için öncelikle görüntü, Sobel operatörü ile kenar görüntüsü haline getirilmektedir. Bir başka deyişle görüntü, kenarların belirgin olduğu ikili görüntüye dönüştürülmektedir. Dairelerin taranması için Hough daire tespit algoritması kullanılmaktadır [4]. Aday optik disk belirleme adımında, eğer tek bir bölge bulunmuşsa bu bölge optik disk bölgesi olarak belirlenmektedir. Eğer bu aşamada birden fazla aday optik disk bölgesi bulunmuşsa bu durumda Hough dönüşümü yardımıyla retinal görüntüde dairesel bölgeler araştırılarak aday optik disk bölgeleri ile Hough dönüşümü sonucunda bulunan dairesel bölgelerin merkezi koordinatları karşılaştırılarak optik disk için en uygun bölgeye karar verilir. Aday optik disk bölgelerinin bulunması ve Hough dönüşümü yardımıyla dairesel bölgelerin bulunması işlemleri sırasında birbirine yakın olan ve aynı bölgeye ait olan koordinatlar dikkate alınarak birleştirme işlemleri de yapılmıştır. Şekil 4 te bulunan aday bölgeler ve Şekil 5 te bulunan dairesel bölgeler karşılaştırılarak optik diskin konumu belirlenmektedir. Şekil 6 da bulunan bir optik disk verilmektedir. Şekil 5. Hough Dönüşümü sonucu elde edilen dairesel bölgeler. Verilen algoritma ile r yarıçapında dairesel bölge araştırılmaktadır. Bu şekilde retinal görüntüde optik disk olabilecek tüm yarıçaplar tespit edilmektedir. Çalışmada kullanılan retinal fundus görüntüler KTÜ Farabi Hastanesinden alınmıştır. Bu görüntüler 760x570 çözünürlüğündedir. Bu çözünürlüğe göre optik disk olabilecek karesel bölgelerin boyutları piksel arasında değişmektedir. Bu nedenle, dairesel bölgeler araştırılırken kullanılan yarıçap değeri piksel olarak alınmıştır..3. En Uygun Optik Disk Konumunun Seçilmesi Daha önceki bölümlerde iki farklı yolla optik diskin konumu araştırılmıştır. Bu bölümde bu iki yöntem birlikte kullanılarak en uygun optik disk konumunun tespiti amaçlanmaktadır. Optik diskin belirlenmesi için ilk olarak uygulanan işlem, görüntüdeki aday optik disk bölgelerinin belirlenmesidir. Bu işlem bölüm.1 de anlatılmıştır. Retinal fundus görüntülerde genellikle optik disk dışında da parlak bölgeler bulunmaktadır. Bu bölgeler aydınlatma ve benzeri istenmeyen gürültüler nedeniyle oluşabileceği gibi Şekil.a da gösterildiği gibi glokoma ve yaşa bağlı makula dejenerasyon gibi çeşitli hastalıklar nedeniyle de oluşabilmektedir. Bu nedenle aday optik disk bölgelerinin belirlenmesi aşamasında genellikle birden çok aday bölge bulunabilmektedir. Bu durum Şekil 3.b de görülmektedir. 3. Sonuç Şekil 6. Optik disk konumunun belirlenmesi Bu çalışmada retinal görüntülerde önemli bir adım olan optik disk tespiti üzerinde durulmuştur. Optik disk tespiti için önce görüntü işleme teknikleri ile aday optik disk bölgeleri bulunmuş, daha sonra da Hough Dönüşümü uygulanarak görüntü üzerindeki dairesel bölgeler tespit edilmiştir. İki farklı yöntemle elde edilen aday optik disk bölgeleri çakıştırılarak nihai optik disk tespiti gerçekleştirilmiştir. Sistem için kullanılan retinal görüntüler KTÜ Farabi Hastanesi Oftalmoloji bölümünden alınmıştır. Görüntü boyutları 760x570 pikseldir ve RGB formatındadır. Test işlemi için 0 retinal görüntüden 17 si üzerinde başarılı bir şekilde optik disk tespiti gerçekleştirilmiştir. Sonuçlar Çizelge 1 de verilmiştir. Çizelge 1. Optik disk konumunu belirleme sonuçları Retinal görüntü sayısı 0 Başarılı tespit sayısı 17 Başarısız tespit sayısı 3 Başarı oranı %85 Çizelge 1 de gösterildiği gibi, sistemin optik diskin konumunu belirlemedeki başarımı % 85 civarındadır. Kullanılan yöntem geliştirildiğinde başarım daha da artacaktır. Bu tespit retinal damarların izlenmesi ve

5 kanamalarının tespitinde ilk adım olarak kullanılabilir. Gelecek çalışmada yöntem daha da iyileştirilerek optik disk konumu belirleme başarımı arttırılacak ve sistem daha fazla retinal görüntü üzerinde test edilecektir. Önerilen yöntem, piksel tabanlı bir yaklaşım olan görüntü işleme teknikleri ile model tabanlı bir yaklaşım olan Hough Dönüşümü yöntemini bir arada kullanarak her iki yöntemin de avantajlarını birleştirmektedir. Sistemin parametrelerinin işlenen resme göre doğru bir şekilde seçilmesi daha yüksek başarım oranlarını netice verecektir. Kaynaklar [1] C. Sinthanayothin, J. F. Boyce, H. L. Cook, T. H. Williamson, Automated Location of the Optic Disc, Fovea, and Retinal Blood Vessels from Digital Colour Fundus Images, British Journal of Ophthalmology, Vol. 83(8), pp , [] J. Lowell, A.Hunter, D. Steel, A. Basu, R.Ryder, E. Fletcher, L. Kennedy, Optic Nerve Head Segmentation, IEEE Transaction on Medical Imaging,, Vol. 3, No., pp , 004. [3] L. Gagnon, M. Lalonde, M. Beaulieu, M.-C. Boucher, Procedure to detect anatomical structures in optical fundus images, Proceedings of Conference Medical Imaging 001: Image Processing, pp [4] T. Teng, M. Lefley, and D. Claremont, Progress towards automated diabetic ocular screening: A review of image analysis and intelligent systems for diabetic retinopathy, Med. Biol. Eng. Comput., vol. 40, pp. 13, 00. [5] H. Li, O. Chutatape, Automatic location of optic disc in retinal images, in Proc. IEEE-ICIP, vol., pp , 001. [6] H. Li and O. Chutatape, A model-based approach for automated feature extraction in fundus images, in 9th IEEE Int. Conf. Computer Vision (ICCV 03), 003, vol. 1, pp [7] R. A. Abdel-Ghafar, T. Morris, T. Ritchings, and I. Wood, Detection and characterisation of the optic disc in glaucoma and diabetic retinopathy, presented at the Med. Image Understand. Anal. Conf., London, U.K., Sep. 3 4, 004. [8] A. Osareh, M. Mirmehdi, B. Thomas, and R. Markham, Classification and localisation of diabetic-related eye disease, in 7th Eur. Conf. Computer Vision (ECCV), May 00, vol. 353, LNCS, pp [9] F. ter Haar, Automatic localization of the optic disc in digital colour images of the human retina, M.S. thesis, Utrecht University, Utrecht, The Netherlands, 005. [10] H. Li, O. Chutatape, Automatic location of optic disk in retinal images, in Proc. IEEE-ICIP, vol., pp , 001. [11] S. S. Lee, M. Rajeswari, D. Ramachandram and B. Shaharuddin, Screening of Diabetic Retinopathy - Automatic Segmentation of Optic Disc in Colour Fundus Images, IN: Proceedings of DFMA 006: The nd International Conference on Distributed Frameworks for Multimedia Applications, pp , 006. [1] A. Osareh, M. Mirmehdi, B. Thomas, R. Markham, Colour Morphology and Snakes for Optic Disc Localisation,16th IEEE Int. Conf. Pattern Recognition, vol.1, pp , 00. [13] A. Osareh, M. Mirmehdi, B. Thomas, R. Markham, Comparison of color spaces for optic disc localization in retinal images, in Proc. 16th IEEE Int. Conf. Pattern Recognition, vol.1, pp , 00. [14] T. Walter, J.-C. Klein, Segmentation of Color Fundus Images of the Human Retina: Detection of the Optic Disc and the Vascular Tree Using Morphological Techniques, Pattern Recognition Letters, Springer: Lecture Notes in Compute Science, ISMDA 001, LNCS 199, pp. 8 87, 001. [15] M. Edgardo, F. Riverón1 and M. del Toro Céspedes, Measurement of Parameters of the Optic Disk in Ophthalmoscopic Color Images of Human Retina, CIARP 004, LNCS 387, pp , 004. [16] J. Liu, D. W. K. Wong, J.H. Lim, X. Jia, F. Yin, H. L, W. Xiong, T. Y. Wong, Optic Cup and Disk Extraction from Retinal Fundus Images for Determination of Cupto-Disc Ratio, 3rd IEEE International Conference on Industrial Electronics and Applications, ICIEA 008. [17] R. A. Abdel-Ghafar, T. Morris, Progress towards automated detection and characterization of the optic disc in glaucoma and diabetic retinopathy, Informatics for Health and Social Care, Volume 3, Issue 1 March 007, pp 19-5 [18] F. Mendels, C. Heneghan, P. D. Harper, J.-Ph. Thiran, Identification of the Optic Disk Boundary in Retinal Images using Active Contours, In: Proceedings of Irish Machine Vision and Image Processing Conference (IMVIP) 1999, 1999, p IEEE, [19] J. Lowell, A.Hunter, D. Steel, A. Basu, R.Ryder, E. Fletcher, L. Kennedy, Optic Nerve Head Segmentation, IEEE Transaction on Medical Imaging, Vol. 3, No., pp , 004. [0] M. Lalonde, M.Beaulieu, L. Gagnon, Fast and Robust Optic Disc Detection Using Pyramidal Decomposition and Hausdorff-Based Template Matching, IEEE Transaction on Medical Imaging, Vol. 0, No. 11, pp.: , 001 [1] M. Park, J. S. Jin, S. Luo, Locating the Optic Disc in Retinal Images, IEEE Transaction on Biomedical Engineering, Vol.:6 (1), pp , 007. [] M. Foracchia, E. Grisan, A. Ruggeri, Detection of Optic Disc in Retinal Images by Means of a Geometrical Model of Vessel Structure, IEEE Transaction on Medical Imaging, Vol. 3, No. 10, pp , 004. [3] Kenneth W. Tobin, Senior Member, IEEE, Edward Chaum, V. Priya Govindasamy, Member, IEEE, and Thomas P. Karnowski,Detection of Anatomic Structures in Human Retinal Imagery. [4] Nixon M. & Aguado A., Feature Extraction & Image Processing, Elsevier, Hungary, 008. [5] Köse C., Şevik U., Gençalioğlu O., Automatic segmentation of age-related macular degeneration in retinal fundus images, Computers in Biology and Medicine. Vol.: 38, pp: , 008. [6] Köse C., Şevik U., Gençalioğlu O., İkibaş C., Kayıkçıoğlu T., A Statistical Segmentation Method for Measuring Age-Related Macular Degeneration in Retinal Fundus Images, Journal of Medical Systems, 008, doi: /s