Medical Informatics IV
Evaluation of Image Segmentation Models in Retinal Vessel Segmentation
Tuğba Haklı, İnci Zaim GökbayRetinal vessel segmentation refers to the process of detecting and separating vessels within retinal images into specific regions. This process plays a crucial role in the diagnosis and monitoring of eye diseases such as diabetic retinopathy, hypertension, and macular degeneration. Ophthalmologists can analyze changes in the appearance of vascular structures to enable early disease diagnosis and track disease progression. The segmentation of retinal vessels holds significant importance in medical image processing, visual analysis studies, drug and treatment development processes, and clinical decision-making, contributing to the efficiency of healthcare services. Similar to other medical imaging techniques such as magnetic resonance imaging, computed tomography and X-rays, the segmentation of retinal vessels plays a critical role in diagnosing and treating diseases, including the detection of tumors, lesions, and other pathological structures through image segmentation methods. This study aims to investigate the segmentation of blood vessels from retinal images, which is the initial step in the disease diagnosis process. Towards this goal, existing articles in the literature have been thoroughly examined, and the methods used for retinal vessel segmentation have been systematically compiled. Throughout the process from the early works to the present day, various solution approaches to vessel segmentation have been evaluated based on different criteria. In this evaluation process, different segmentation models including Linknet, FPN (Feature Pyramid Network), UNET, and PSPNet (Pyramid Scene Parsing Network) were examined using the DRIVE, CHASEBASE and OCRIMA dataset. This study involves comparisons made by employing various foundational architectures (‘vgg16’, ‘efficientnetb0’, ‘resnet50’, etc.) for each model. The success of each model in retinal vessel segmentation and its performance using specific metrics have been comparatively evaluated. The obtained results have assisted in understanding which model is more effective under which conditions. In conclusion, this study aims to systematically evaluate the achievements of diverse image segmentation models for retinal vessel segmentation, providing guidance for future advancements in this field.
Reti̇nal Damar Segmentasyonunda Görüntü Segmentasyon Modelleri̇ni̇n Değerlendi̇ri̇lmesi̇
Tuğba Haklı, İnci Zaim GökbayRetinal damar segmentasyonu, retina görüntüleri içindeki damarların tespit edilmesi ve belirli bölgelere ayrılması işlemini ifade eder. Bu süreç diyabetik retinopati, hipertansiyon, makula dejenerasyonu gibi göz hastalıklarının tanı ve takibinde önemli rol oynamaktadır. Oftalmologlar, hastalığın erken teşhisini sağlamak ve hastalığın ilerlemesini izlemek için vasküler yapıların görünümündeki değişiklikleri analiz edebilir. Retina damarlarının segmentasyonu tıbbi görüntü işleme, görsel analiz çalışmaları, ilaç ve tedavi geliştirme süreçleri ve klinik karar verme süreçlerinde büyük önem taşımakta ve sağlık hizmetlerinin verimliliğine katkı sağlamaktadır. Manyetik rezonans görüntüleme, bilgisayarlı tomografi ve X ışınları gibi diğer tıbbi görüntüleme tekniklerine benzer şekilde, retinal damarların segmentasyonu, görüntü segmentasyon yöntemleri aracılığıyla tümörlerin, lezyonların ve diğer patolojik yapıların tespiti de dahil olmak üzere hastalıkların teşhis ve tedavisinde kritik bir rol oynar. Bu çalışma, hastalık tanı sürecinin ilk adımı olan retina görüntülerinden kan damarlarının segmentasyonunun araştırılmasını amaçlamaktadır. Bu amaç doğrultusunda literatürdeki mevcut makaleler ayrıntılı olarak incelenmiş ve retina damar bölütlemesinde kullanılan yöntemler sistematik olarak derlenmiştir. İlk çalışmalardan günümüze kadar geçen süreçte damar segmentasyonuna yönelik çeşitli çözüm yaklaşımları farklı kriterlere göre değerlendirilmiştir. Bu değerlendirme sürecinde Linknet, FPN (Özellik Piramit Ağı), UNET ve PSPNet (Piramit Sahne Ayrıştırma Ağı) gibi farklı segmentasyon modelleri DRIVE, CHASEBASE ve OCRIMA veri seti kullanılarak incelenmiştir. Bu çalışma, her model içinçeşitli temel mimariler (‘vgg16’, ‘activenetb0’, ‘resnet50’ vb.) kullanılarak yapılan karşılaştırmaları içermektedir. Her modelin retina damar bölütlemesindeki başarısı ve belirli metrikler kullanılarak performansı karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar hangi modelin hangi koşullar altında daha etkili olduğunun anlaşılmasına yardımcı olmuştur. Sonuç olarak, bu çalışma, retina damar segmentasyonu için çeşitli görüntü segmentasyon modellerinin başarılarını sistematik olarak değerlendirmeyi ve bu alanda gelecekteki gelişmelere rehberlik etmeyi amaçlamaktadır.
