Three-dimensional Segmentation of Retinal Cysts from Spectral-domain Optical Coherence Tomography Images by the Use of Three-dimensional Curvelet Based K-SVD
Message:
Abstract:
This paper presents a new three-dimensional curvelet transform based dictionary learning for automatic segmentation of intraretinal cysts, most relevant prognostic biomarker in neovascular age-related macular degeneration, from 3D spectral-domain optical coherence tomography (SD-OCT) images. In particular, we focus on the Spectralis SD-OCT (Heidelberg Engineering, Heidelberg, Germany) system, and show the applicability of our algorithm in the segmentation of these features. For this purpose, we use recursive Gaussian filter and approximate the corrupted pixels from its surrounding, then in order to enhance the cystoid dark space regions and future noise suppression we introduce a new scheme in dictionary learning and take curvelet transform of filtered image then denoise and modify each noisy coefficients matrix in each scale with predefined initial 3D sparse dictionary. Dark pixels between retinal pigment epithelium and nerve fiber layer that were extracted with graph theory are considered as cystoid spaces. The average dice coefficient for the segmentation of cystoid regions in whole 3D volume and with-in central 3 mm diameter on the MICCAI 2015 OPTIMA Cyst Segmentation Challenge dataset were found to be 0.65 and 0.77, respectively.
Language:
English
Published:
Journal of Medical Signals and Sensors, Volume:6 Issue: 3, 2016
Pages:
166 - 171
magiran.com/p1572777  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.