부산대학교 도서관

Corneal ulcers are the most common symptoms of corneal diseases and require a professional examination. In addition, the subjective opinion of the medical staff may be included in determining whether an early onset or not. In this paper, the background and the corneal ulcer area were separated using various image preprocessing methods for the Intraocular image, and the light reflection area was treated with a labeling method. For each result of applying Otsu's threshold and K-means clustering algorithm, the corneal ulcer area was detected using the Flood-Fill algorithm, and both methods were selectively applied to derive a better image as the final result. As a result of comparing the application images of the two algorithms shown in the experimental results, the corneal ulcer region extracted from the Otsu's threshold algorithm application image was wider than the corneal ulcer region extracted by applying the K-means clustering algorithm, so this was used. In this study, we proposed a method for calculating the proportion of non-overlapping corneal ulcer regions in the corneal ulcer region extracted after application of Otsu's threshold algorithm in the two resulting images, and finally selecting an algorithm to be applied. As a result of the whole process, 90.54% accuracy was shown when measuring the Dice Coefficient, and the Mean Accuracy value showed an accuracy of 97.45%. In the future, we plan to continue our research to enable more accurate image segmentation using deep learning techniques.
각막 궤양은 각막 질병 중 가장 흔한 증상으로 전문적인 검사가 필요한 질병이다. 또한 초기 발병 여부를 판단하는 데에 의료진의 주관적인 의견이 들어갈 수 있다. 이 논문에서는 안구 이미지에 여러 이미지 전처리 방법을 이용하여 배경과 각막 궤양 영역을 분리하였으며 빛 반사 부위를 라벨링 방식으로 처리하였다. Otsu's threshold와 K-means Clustering 알고리즘을 적용한 각 결과에 Flood-Fill 알고리즘을 이용하여 각막 궤양 영역을 검출하였으며 두 방법을 선택적으로 적용하여 더 좋은 영상을 최종 결과로 도출하도록 하였다. 실험결과로 나타난 두 알고리즘의 적용 영상을 비교해본 결과 Otsu's threshold 알고리즘 적용 이미지에서 추출한 각막 궤양 영역이 K-means Clustering 알고리즘 적용으로 추출한 각막 궤양 영역보다 더 넓기 때문에 이를 이용하였다. 본 연구에서는 두 결과 영상에서 서로 겹치지 않는 각막 궤양 영역이 Otsu's threshold 알고리즘 적용 후 추출된 각막 궤양 영역에서 차지하는 비율을 계산하고 최종적으로 적용할 알고리즘을 선택하는 방법을 제안하였다. 전체 프로세스의 결과로 Dice Coefficient 측정 시 90.54%의 정확도를 보였으며, Mean Accuracy값은 97.45%의 정확도를 보였다. 향후 딥러닝 기법을 활용하여 더 정확한 영상 분할이 가능하도록 연구를 지속할 예정이다.