การวัดพื้นที่ต้อเนื้อในกระจกตา โดยใช้การประมวลผลภาพเชิงดิจิตอล

งานนำเสนอเรื่อง: "การวัดพื้นที่ต้อเนื้อในกระจกตา โดยใช้การประมวลผลภาพเชิงดิจิตอล"— ใบสำเนางานนำเสนอ:

1 การวัดพื้นที่ต้อเนื้อในกระจกตา โดยใช้การประมวลผลภาพเชิงดิจิตอล
Measurement of Pterygium Area in a Cornea Using Digital Image Processing 26 สิงหาคม 2548 นวภัค เอื้ออนันต์ ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น

2 ภาวะโรคต้อเนื้อในปัจจุบัน
โรคต้อเนื้อเป็นภาวะทางตาที่เป็นปัญหาในประเทศเขตร้อนหลายประเทศ อาการของโรคคือเยื่อตาบริเวณตาขาวขยายเข้ามาใน บริเวณกระจกตา ทำให้รบกวนการมองเห็น ขั้นร้ายแรงที่สุดอาจทำให้ตาบอดได้ ปัจจัยเสี่ยงที่สำคัญที่สุดที่ทำให้เกิดโรค คือ แสงแดด ปัจจัยรองได้แก่ ฝุ่นละออง, ลม, ความชื้นในอากาศต่ำ และสารเคมีต่างๆ ในประเทศไทย โรคต้อเนื้อเกิดขึ้นมากกับประชากรในเขตภาคอีสาน เนื่องจากเป็นที่ราบสูงมีสภาพอากาศร้อนและแห้งแล้ง และประชากรส่วนใหญ่ ประกอบอาชีพเกษตรกรรม

3 วัตถุประสงค์ของโครงการ
การรักษาโรคต้อเนื้อ จักษุแพทย์จะต้องผ่าตัดเพื่อลอกต้อเนื้อที่ปกคลุม กระจกตาออก ปัจจัยสำคัญปัจจัยหนึ่งที่จักษุแพทย์ใช้ในการตัดสินใจว่าจะดำเนินการผ่า ตัดเพื่อลอกต้อเนื้อออกหรือไม่นั้นคือขนาดของต้อเนื้อ งานวิจัยนี้นำเสนอวิธีการวัดพื้นที่ของต้อเนื้อเทียบกับพื้นที่ของกระจกตา โดยใช้การประมวลผลภาพเชิงดิจิตอล

4 หลักการวัดพื้นที่ต้อเนื้อโดยใช้การประมวลผลภาพเชิงดิจิตอล
Cornea image Cornea Segmentation Convex Hull Algorithm Cornea Perimeter Estimation Pterygium Area Estimation

5 การแยกแยะพื้นที่กระจกตา
ลักษณะของต้อเนื้อ: ต้อเนื้อกับตาขาวจะมีลักษณะที่ใกล้เคียงกัน ขอบเขต ของพื้นที่ของต้อเนื้อคลุมเครือไม่ชัดเจน เราไม่อาจจะแยกแยะพื้นที่ของต้อเนื้อ ออกจากพื้นที่ของตาขาวได้โดยตรง งานวิจัยนี้หาพื้นที่ต้อเนื้อทางอ้อมโดยใช้วิธีการประมาณเส้นรอบวงของ กระจกตาแทน พื้นที่ของกระจกตาสามารถแยกแยะได้ง่ายกว่า เนื่องจาก กระจกมีสีที่แตกต่างจากตาขาวอย่างชัดเจน

6 ภาพถ่ายสีของกระจกตา Original image Red component Green component
Blue component

7 การแยกแยะพื้นที่กระจกตา
ใช้วิธีการ Intensity thresholding กับ Red component ของภาพเนื่องจาก พื้นที่ของตาขาวและต้อเนื้อมีสีออกไปทางโทนสีแดงเพราะมีเส้นเลือดฝอย เป็นจำนวนมาก ในขณะที่พื้นที่ของตาดำมีสีออกไปทางสีน้ำตาลดำ ค่า T ได้มาจากการปรับค่าด้วยมือหรือใช้ Automatic threshold level selection algorithm 1. Set initial value of T 2. 3. 4. 5. Repeat step 2

8 ผลการแยกแยะพื้นที่กระจกตา
1 Original image Red component 2 3 Cornea area After thresholding

9 การประมาณเส้นรอบวงของกระจกตา
สมมุติฐาน: สัณฐานของกระจกตาเป็น Convex = ไม่มีส่วนที่เว้าเข้าไป Cornea perimeter estimation algorithm: 1. Find boundary pixels of cornea. 2. Find pixels that form a convex hull of a cornea from a set of pixels in Step 1. 3. Estimate cornea perimeter from a set of pixels from Step 2 using the least square polynomial approximation method.

10 Convex Hull Algorithm Input : A set of points on a cornea boundary
Output: A set of points on a boundary of a convex hull of a cornea 1. Sort the points by x-coordinate to get a sequence p1, p2, … ,pn For the upper side of a convex hull 2. Put the points p1 and p2 in a list Lupper with p1 as the first point 3. For i = 3 to n Do append pi to Lupper 5. While Lupper contains more than 2 points and the last 3 points in Lupper do not make a right turn Do delete the middle point of the last 3 points from Lupper Turn Left NOK! Turn Right OK! Turn Right OK!

11 Convex Hull Algorithm (cont.)
For the lower side of a convex hull 7. Put the points pn and pn-1 in a list Llower with pn as the first point 8. For i = n-2 down to 1 Do append pi to Llower While Llower contains more than 2 points and the last 3 points in Llower do not make a left turn Do delete the middle point of the last 3 points from Llower 12. Remove the first and the last points from Llower 13. Append Llower to Lupper resulting in the list L 14. Return L Turn Right OK! Turn Right OK! Turn Left NOK!

12 Least square approximation
A 2-D smooth curve can be approximated by using Coefficients a0, a1, …, an, b0, b1,…, bn are obtained from (xi,yi), i = 0,…,M are pixels on a convex hull. ti = normalized arc length parameters:

13 ผลลัพธ์ของการทำ Least square approximation
Cornea boundary Convex hull 1 Estimated perimeter 2 n = 8 3

14 ผลการทดลองการวัดพื้นที่ของต้อเนื้อ
Estimated pterygium area 10.6 % ของพื้นที่กระจกตา พื้นที่ต้อเนื้อ = พื้นที่ภายในเส้นรอบวงที่ประมาณได้ - พื้นที่กระจกตา

15 ผลการทดลอง ในบางกรณี วิธีการ Intensity thresholding ล้มเหลวในการแยกแยะพื้นที่ กระจกตา เนื่องจากภาพถ่ายมีความสว่างที่ไม่สม่ำเสมอ Original image Segmented image

16 สรุปผลการทดลอง กิตติกรรมประกาศ
เส้นรอบวงของกระจกตาประมาณได้จากเซตของ Pixel ที่เป็นขอบของ Convex hull ของกระจกตาซึ่งได้มาจากการทำ Intensity thresholding กับ Red component ของภาพถ่ายสีของดวงตา พื้นที่ของต้อเนื้อคำนวณได้จากผลต่างระหว่างพื้นที่ภายในเส้นรอบวงของ กระจกตากับพื้นที่ภายในกระจกตา ผลการทดลองเบื้องต้นพบว่าวิธีการที่นำเสนอสามารถใช้ได้ดีกับภาพถ่าย ดวงตาที่มีความสว่างสม่ำเสมอ กิตติกรรมประกาศ ขอขอบคุณ พญ. สุธาสินี สีนะวัฒน์ และ นพ. โอฬาร สุวรรณอภิชน คณะแพทย์ศาสตร์ มหาวิทยาลัยขอนแก่นที่ให้ความอนุเคราะห์ภาพถ่ายดวงตาที่ใช้ในงานวิจัยนี้ และขอขอบคุณนักศึกษากลุ่มโครงงาน KKU-COE