DK2793189T3 - Vurdering af læsioner i et billede - Google Patents

Vurdering af læsioner i et billede Download PDF

Info

Publication number
DK2793189T3
DK2793189T3 DK14176515.6T DK14176515T DK2793189T3 DK 2793189 T3 DK2793189 T3 DK 2793189T3 DK 14176515 T DK14176515 T DK 14176515T DK 2793189 T3 DK2793189 T3 DK 2793189T3
Authority
DK
Denmark
Prior art keywords
image
visibility
lesion
candidate
area
Prior art date
Application number
DK14176515.6T
Other languages
English (en)
Inventor
Johan Doré Hansen
Michael Grunkin
Niels Vaever Hartvig
Jannik Godt
Per Rønsholt Andresen
Ebbe Sørensen
Soffia Björk Smith
Original Assignee
Retinalyze As
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Retinalyze As filed Critical Retinalyze As
Application granted granted Critical
Publication of DK2793189T3 publication Critical patent/DK2793189T3/da

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30041Eye; Retina; Ophthalmic
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Claims (17)

1. Fremgangsmåde til vurdering af tilstedeværelsen eller fraværet af læsion(er) i et billede, hvilken fremgangsmåde omfatter a) etablering af mindst ét udgangspunkt, som er repræsentativt for en læsion i billedet, b) udvælgelse af mindst ét udgangspunkt, vurdering af en delmængde af billedet svarende til en kandidatlæsion ved at trække q isokurver omkring udgangspunktet, idet q er et helt tal på mindst 1, indtil periferien af kandidatlæsionsområdet er etableret, idet isokurverne trækkes fra en vektor af ét eller flere synlighedstræk, c) bestemmelse af en synlighedstrækværdi af synligheden af kandidatlæsionsområdet, hvor synlighedstrækværdien bestemmes ud fra et synlighedstræk, som er forskelligt fra de synlighedstræk, der anvendes til at trække i trin b), og sammenligning af synlighedstrækværdien af synligheden af kandidatlæsionsområdet med en forudbestemt tærskel, d) klassificering af det i b) detekterede kandidatlæsionsområde med hensyn til den forudbestemte tærskel som en synlig læsion eller ikke, e) eventuel gentagelse af trin b) til d), indtil alle kandidatlæsionsområder er blevet klassificeret.
2. Fremgangsmåde ifølge krav 1, hvor billedet er et billede af okulær fundus.
3. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkterne etableres i ekstremer af billedet.
4. Fremgangsmåde ifølge krav 1, hvor synligheden af området inden for isokurverne vurderes, og den isokurve, der har den højeste synlighed, etablerer periferien af kandidatlæsionsområdet.
5. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor synligheden af et område bestemmes som en vektor af træk, herunder intensitet, synlighed af kandidatlæsionsområdet sammenlignet med synligheden af blodkar, synlighed af kanten af kandidatlæsionsområdet, farveinformation om kandidatlæsionsområdet, variansmål af en del af billedet og/eller et variansmål af billedet.
6. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, som desuden omfatter korrektion af synligheden af kandidatlæsionsområdet med baggrundsvariationen, sammenligning af den korrigerede synlighed med en forudbestemt synlighedstærskel for læsioner i det område eller korrektion afen forudbestemt synlighedstærskel med baggrundsvariationen, sammenligning af synligheden af kandidatlæsionsområdet med den korrigerede forudbestemte synlighedstærskel, klassificering af det kandidatlæsionsområde, som er detekteret med hensyn til den opnåede tærskel, som en læsion eller ikke.
7. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor identificeringen af udgangspunkt(er) justeres med hensyn til blodkar, som forekommer i billedet.
8. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurderingen af delmængde justeres med hensyn til blodkar, som forekommer i billedet.
9. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkter, som lokaliseres i blodkar, fjernes fra flerheden af udgangspunkter, som er repræsentative for en læsion.
10. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængder af det billede, som har i det mindste en del af delmængden, som er lokaliseret i et blodkar, afvises som kandidatlæsionsområde.
11. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor identificeringen af udgangspunkt(er) justeres med hensyn til et optisk nervehoved, som forekommer i billedet.
12. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurderingen af delmængden justeres med hensyn til et optisk nervehoved, som forekommer i billedet.
13. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkter, som lokaliseres i optisk nervehoved, fjernes fra flerheden af udgangspunkter, som er repræsentative for en læsion.
14. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængder af billedet, som har i det mindste en del af delmængden lokaliseret i det optiske nervehoved, afvises som kandidatlæsionsområde.
15. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor mindst ét af det ene eller de flere synlighedstræk, som anvendes til at trække isokurver, er baseret på en opsummering af orienteringsvægtede regionsgrænsegradientpixels, som er vægtet i overensstemmelse med deres orientering mod den trukne region.
16. Fremgangsmåde til klassificering af et fundusbillede, omfattende - vurdering af tilstedeværelsen eller fraværet af mindst én læsion ved den fremgangsmåde, der er defineret i et hvilket som helst af kravene 1-15, graduering af fundusbilledet med hensyn til antal og/eller størrelse af læsioner, - klassificering af fundusbilledet i mindst to klasser.
17. System til vurdering af tilstedeværelsen eller fraværet af læsion(er) i et billede, omfattende a) en algoritme til etablering af mindst ét udgangspunkt, som er repræsentativt for en læsion i billedet, b) en algoritme til udvælgelse af mindst ét udgangspunkt, vurdering af en delmængde af billedet svarende til en kandidatlæsion ved at trække q isokurver omkring udgangspunktet, idet q er et helt tal på mindst 1, indtil periferien af kandidatlæsionsområdet er etableret, idet isokurverne trækkes fra en vektor af ét eller flere synlighedstræk, c) en algoritme til bestemmelse af en synlighedstrækværdi af synligheden af kandidatlæsionsområdet, hvor synlighedstrækværdien bestemmes ud fra et synlighedstræk, som er forskelligt fra de synlighedstræk, der anvendes til at trække i trin b), og sammenligning af synlighedstrækværdien af synligheden af kandidatlæsionsområdet med en forudbestemt tærskel, d) en algoritme til klassificering af det i b) detekterede kandidatlæsionsområde med hensyn til den forudbestemte tærskel som en synlig læsion eller ikke, e) en algoritme til eventuel gentagelse af trin b) til d), indtil alle kandidatlæsionsområder er blevet klassificeret.
DK14176515.6T 2001-10-03 2002-10-03 Vurdering af læsioner i et billede DK2793189T3 (da)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DKPA200101451 2001-10-03
DKPA200200635 2002-04-25
US37623302P 2002-04-30 2002-04-30
EP02800053.7A EP1444635B1 (en) 2001-10-03 2002-10-03 Assessment of lesions in an image

Publications (1)

Publication Number Publication Date
DK2793189T3 true DK2793189T3 (da) 2017-02-06

Family

ID=27222545

Family Applications (1)

Application Number Title Priority Date Filing Date
DK14176515.6T DK2793189T3 (da) 2001-10-03 2002-10-03 Vurdering af læsioner i et billede

Country Status (6)

Country Link
US (1) US7583827B2 (da)
EP (2) EP2793189B1 (da)
JP (1) JP4411071B2 (da)
CN (1) CN100530204C (da)
DK (1) DK2793189T3 (da)
WO (1) WO2003030074A1 (da)

Families Citing this family (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7011625B1 (en) * 2003-06-13 2006-03-14 Albert Shar Method and system for accurate visualization and measurement of endoscopic images
US7708403B2 (en) * 2003-10-30 2010-05-04 Welch Allyn, Inc. Apparatus and method for diagnosis of optically identifiable ophthalmic conditions
DE102004008979B4 (de) * 2004-02-24 2006-12-28 Siemens Ag Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten
US7500751B2 (en) * 2004-03-12 2009-03-10 Yokohama Tlo Company Ltd. Ocular fundus portion analyzer and ocular fundus portion analyzing method
JP4487180B2 (ja) * 2004-03-18 2010-06-23 ソニー株式会社 情報生成装置及び情報生成方法
JP2005284792A (ja) * 2004-03-30 2005-10-13 Sharp Corp 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体
JP5014593B2 (ja) * 2005-06-01 2012-08-29 興和株式会社 眼科測定装置
US8194951B2 (en) * 2005-09-30 2012-06-05 Philips Electronics North Method and system for generating display data
US7587232B2 (en) * 2006-02-28 2009-09-08 Kabushiki Kaisha Toshiba Magnetic resonance imaging apparatus, magnetic resonance data processing apparatus, magnetic resonance data processing program and magnetic resonance imaging apparatus control method
WO2007109704A2 (en) * 2006-03-22 2007-09-27 Cornell Research Foundation, Inc. Medical imaging visibility index system and method for cancer lesions
ITTO20060223A1 (it) * 2006-03-24 2007-09-25 I Med S R L Procedimento e sistema per il riconoscimento automatico di anomalie preneoplastiche in strutture anatomiche, e relativo programma per elaboratore
US10617564B1 (en) * 2006-05-10 2020-04-14 Apple Inc. Area scanning photomedicine device and method
JP5121204B2 (ja) * 2006-10-11 2013-01-16 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
US7860283B2 (en) 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US7940970B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US7983459B2 (en) 2006-10-25 2011-07-19 Rcadia Medical Imaging Ltd. Creating a blood vessel tree from imaging data
US7940977B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7873194B2 (en) 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
FR2916883B1 (fr) * 2007-05-29 2009-09-04 Galderma Res & Dev Procede et dispositif d'acquisition et de traitement d'images pour la detection de lesions evolutives
JP5148928B2 (ja) * 2007-05-31 2013-02-20 株式会社トプコン 眼底検査装置及びプログラム
US8175352B2 (en) * 2007-09-21 2012-05-08 Siemens Aktiengesellschaft System and method for automated magnetic resonance scan prescription for optic nerves
US8065166B2 (en) 2007-10-30 2011-11-22 Onemednet Corporation Methods, systems, and devices for managing medical images and records
US9760677B2 (en) 2009-04-29 2017-09-12 Onemednet Corporation Methods, systems, and devices for managing medical images and records
US9171344B2 (en) 2007-10-30 2015-10-27 Onemednet Corporation Methods, systems, and devices for managing medical images and records
US8718363B2 (en) * 2008-01-16 2014-05-06 The Charles Stark Draper Laboratory, Inc. Systems and methods for analyzing image data using adaptive neighborhooding
US8737703B2 (en) * 2008-01-16 2014-05-27 The Charles Stark Draper Laboratory, Inc. Systems and methods for detecting retinal abnormalities
US8150113B2 (en) * 2008-01-23 2012-04-03 Carestream Health, Inc. Method for lung lesion location identification
JP5374078B2 (ja) * 2008-06-16 2013-12-25 オリンパス株式会社 画像処理装置、画像処理方法および画像処理プログラム
GB0902280D0 (en) * 2009-02-12 2009-03-25 Univ Aberdeen Disease determination
GB2470727A (en) * 2009-06-02 2010-12-08 Univ Aberdeen Processing retinal images using mask data from reference images
US7856135B1 (en) 2009-12-02 2010-12-21 Aibili—Association for Innovation and Biomedical Research on Light and Image System for analyzing ocular fundus images
US20110129133A1 (en) * 2009-12-02 2011-06-02 Ramos Joao Diogo De Oliveira E Methods and systems for detection of retinal changes
CN102129697B (zh) * 2010-01-19 2013-05-29 北京大学 一种文本图像压缩方法
US20110176711A1 (en) * 2010-01-21 2011-07-21 Radu Catalin Bocirnea Methods, apparatuses & computer program products for facilitating progressive display of multi-planar reconstructions
JP5555097B2 (ja) 2010-08-24 2014-07-23 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、および画像処理プログラム
US8351669B2 (en) * 2011-02-01 2013-01-08 Universidade Da Coruna-Otri Method, apparatus, and system for retinal image analysis
US8355544B2 (en) * 2011-02-01 2013-01-15 Universidade Da Coruna-Otri Method, apparatus, and system for automatic retinal image analysis
JP2012196245A (ja) 2011-03-18 2012-10-18 Canon Inc 眼科情報処理装置及びその制御方法
US9089288B2 (en) * 2011-03-31 2015-07-28 The Hong Kong Polytechnic University Apparatus and method for non-invasive diabetic retinopathy detection and monitoring
JP2012233800A (ja) * 2011-05-02 2012-11-29 Toyota Central R&D Labs Inc マルチセンサ判定装置及びプログラム
EP2740073B1 (en) 2011-06-17 2017-01-18 Quantitative Imaging, Inc. Methods and apparatus for assessing activity of an organ and uses thereof
JP6025311B2 (ja) * 2011-08-01 2016-11-16 キヤノン株式会社 眼科診断支援装置および方法
KR101916855B1 (ko) * 2011-10-17 2019-01-25 삼성전자주식회사 병변 수정 장치 및 방법
JP5926533B2 (ja) * 2011-10-27 2016-05-25 キヤノン株式会社 眼科装置
JP5979904B2 (ja) 2012-02-20 2016-08-31 キヤノン株式会社 画像処理装置、眼科撮影システム、及び画像処理方法
JP5936254B2 (ja) 2012-02-29 2016-06-22 国立大学法人京都大学 眼底観察装置及び眼底画像解析装置
GB201302887D0 (en) * 2013-02-19 2013-04-03 Optos Plc Improvements in or relating to image processing
US9558552B2 (en) * 2013-02-22 2017-01-31 Sony Corporation Eye-fundus image optimization output device and method, and computer readable medium
US9424395B2 (en) * 2013-03-04 2016-08-23 Heartflow, Inc. Method and system for sensitivity analysis in modeling blood flow characteristics
US9171224B2 (en) 2013-07-04 2015-10-27 Qualcomm Incorporated Method of improving contrast for text extraction and recognition applications
US9898818B2 (en) 2013-07-26 2018-02-20 The Regents Of The University Of Michigan Automated measurement of changes in retinal, retinal pigment epithelial, or choroidal disease
US8885901B1 (en) * 2013-10-22 2014-11-11 Eyenuk, Inc. Systems and methods for automated enhancement of retinal images
US9974506B2 (en) 2013-11-05 2018-05-22 International Business Machines Corporation Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease
US9237847B2 (en) 2014-02-11 2016-01-19 Welch Allyn, Inc. Ophthalmoscope device
JP6388532B2 (ja) * 2014-11-28 2018-09-12 富士通株式会社 画像提供システムおよび画像提供方法
KR101580075B1 (ko) * 2015-01-23 2016-01-21 김용한 병변 영상 분석을 통한 광 치료 장치, 이에 이용되는 병변 영상 분석에 의한 병변 위치 검출방법 및 이를 기록한 컴퓨팅 장치에 의해 판독 가능한 기록 매체
US10799115B2 (en) 2015-02-27 2020-10-13 Welch Allyn, Inc. Through focus retinal image capturing
US11045088B2 (en) 2015-02-27 2021-06-29 Welch Allyn, Inc. Through focus retinal image capturing
US20160310043A1 (en) * 2015-04-26 2016-10-27 Endochoice, Inc. Endoscopic Polyp Measurement Tool and Method for Using the Same
US9757023B2 (en) 2015-05-27 2017-09-12 The Regents Of The University Of Michigan Optic disc detection in retinal autofluorescence images
US10136804B2 (en) * 2015-07-24 2018-11-27 Welch Allyn, Inc. Automatic fundus image capture system
US10772495B2 (en) 2015-11-02 2020-09-15 Welch Allyn, Inc. Retinal image capturing
WO2017120217A1 (en) 2016-01-07 2017-07-13 Welch Allyn, Inc. Infrared fundus imaging system
US10398353B2 (en) * 2016-02-19 2019-09-03 Covidien Lp Systems and methods for video-based monitoring of vital signs
US10939824B2 (en) 2017-11-13 2021-03-09 Covidien Lp Systems and methods for video-based monitoring of a patient
US11712176B2 (en) 2018-01-08 2023-08-01 Covidien, LP Systems and methods for video-based non-contact tidal volume monitoring
CN108853702B (zh) * 2018-05-15 2021-02-26 中国科学院苏州生物医学工程技术研究所 一种新型智能药物喷洒系统
US11096574B2 (en) 2018-05-24 2021-08-24 Welch Allyn, Inc. Retinal image capturing
EP3806727A1 (en) 2018-06-15 2021-04-21 Covidien LP Systems and methods for video-based patient monitoring during surgery
EP3833241A1 (en) 2018-08-09 2021-06-16 Covidien LP Video-based patient monitoring systems and associated methods for detecting and monitoring breathing
US11617520B2 (en) 2018-12-14 2023-04-04 Covidien Lp Depth sensing visualization modes for non-contact monitoring
US11315275B2 (en) 2019-01-28 2022-04-26 Covidien Lp Edge handling methods for associated depth sensing camera devices, systems, and methods
US11484208B2 (en) 2020-01-31 2022-11-01 Covidien Lp Attached sensor activation of additionally-streamed physiological parameters from non-contact monitoring systems and associated devices, systems, and methods
CN111353992B (zh) * 2020-03-10 2023-04-07 塔里木大学 一种基于纹理特征的农产品缺陷检测方法及系统
TWI728818B (zh) * 2020-05-22 2021-05-21 貞安有限公司 居家監控眼底時程影像的系統與方法
US11950848B2 (en) * 2020-08-10 2024-04-09 Welch Allyn, Inc. Fundus imaging for microvascular assessment
KR20220042558A (ko) * 2020-09-28 2022-04-05 주식회사 딥바이오 병리 이미지 분석 결과 출력 방법 및 이를 수행하는 컴퓨팅 시스템
US11900605B2 (en) 2021-09-30 2024-02-13 Merative Us L.P. Methods and systems for detecting focal lesions in multi-phase or multi-sequence medical imaging studies

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0624010B2 (ja) 1986-05-29 1994-03-30 株式会社豊田中央研究所 画像内濃淡領域検出装置
US5868134A (en) * 1993-09-21 1999-02-09 Kabushiki Kaisha Topcon Retinal disease analyzer
JPH07299053A (ja) 1994-04-29 1995-11-14 Arch Dev Corp コンピュータ診断支援方法
JPH09149901A (ja) 1995-11-30 1997-06-10 Toshiba Corp 画像生成装置及び画像生成方法
WO1999057683A1 (en) * 1998-05-04 1999-11-11 The Johns Hopkins University Method and apparatus for segmenting small structures in images
GB9909966D0 (en) 1999-04-29 1999-06-30 Torsana Diabetes Diagnostics A Analysis of fundus images
WO2003030101A2 (en) 2001-10-03 2003-04-10 Retinalyze Danmark A/S Detection of vessels in an image
WO2003030075A1 (en) 2001-10-03 2003-04-10 Retinalyze Danmark A/S Detection of optic nerve head in a fundus image

Also Published As

Publication number Publication date
US20040258285A1 (en) 2004-12-23
EP2793189A2 (en) 2014-10-22
WO2003030074A1 (en) 2003-04-10
JP4411071B2 (ja) 2010-02-10
CN1589449A (zh) 2005-03-02
US7583827B2 (en) 2009-09-01
EP1444635B1 (en) 2017-05-10
JP2005504595A (ja) 2005-02-17
EP1444635A1 (en) 2004-08-11
CN100530204C (zh) 2009-08-19
EP2793189B1 (en) 2016-11-02
EP2793189A3 (en) 2015-02-25

Similar Documents

Publication Publication Date Title
DK2793189T3 (da) Vurdering af læsioner i et billede
Abràmoff et al. Retinal imaging and image analysis
Haleem et al. Automatic extraction of retinal features from colour retinal images for glaucoma diagnosis: a review
Sekhar et al. Automated localisation of retinal optic disk using Hough transform
WO2018116321A2 (en) Retinal fundus image processing method
Zhu et al. Digital image processing for ophthalmology: Detection of the optic nerve head
Pratheeba et al. A novel approach for detection of hard exudates using random forest classifier
Giancardo Automated fundus images analysis techniques to screen retinal diseases in diabetic patients
WO2003030073A1 (en) Quality measure
Giancardo et al. Quality assessment of retinal fundus images using elliptical local vessel density
Lazar et al. A novel approach for the automatic detection of microaneurysms in retinal images
WO2003030075A1 (en) Detection of optic nerve head in a fundus image
WO2004082453A2 (en) Assessment of lesions in an image
Noronha et al. A review of fundus image analysis for the automated detection of diabetic retinopathy
DK1444635T3 (da) Vurdering af læsioner i et billede
Niemeijer Automatic detection of diabetic retinopathy in digital fundus photographs
WO2003030101A2 (en) Detection of vessels in an image
Patil et al. Screening and detection of diabetic retinopathy by using engineering concepts
Akram et al. Gabor wavelet based vessel segmentation in retinal images
Kubde et al. Automated Computer Aided Detection of Diabetic Retinopathy Using Machine Learning Hybrid Model
Waly et al. Detection of Retinal Blood Vessels by using Gabor filter with Entropic threshold
Mohammadi et al. The computer based method to diabetic retinopathy assessment in retinal images: a review.
Raju DETECTION OF DIABETIC RETINOPATHY USING IMAGE PROCESSING
de Moura et al. Artery/vein vessel tree identification in near-infrared reflectance retinographies
Kayte Design and Development of Non-Proliferative Diabetic Retinopathy Detection Technique using Image Features Extraction Techniques