Damar İzleme ve İz Sürme Yaklaşımları

Damar izleme algoritmaları yerel bilgileri kullanarak iki nokta arasındaki damar parçasını bölütleme amacıyla kullanılmaktadır. Bu yaklaşımlar retinada bulunan tüm damar ağını çıkarmak yerine daha yerel damarların çıkarılmasında tercih edilmektedir. Belli bir

başlangıç noktasından ileride bir noktaya doğru takip etme işlemine damar izleme (tracking), bulunduğu noktadan başladığı noktaya doğru giderek geri takip etme işlemine ise iz sürme (tracing) denilmektedir. Damar izleme işlemi, genellikle kan damarının uzunlamasına merkezi ortalama gri parlaklık değeri ve kıvrımlık kullanılarak hesaplanabilmektedir. Bu işlem esnasında damar orta çizgilerindeki yerel bilgilerin kullanılmasıyla damar profili modeline uyan en iyi yol belirlenmektedir. Damar izleme yöntemlerinin temel avantajı damar kalınlıkları hakkında bilgi vermesi ve diğer yöntemlerle bulunması mümkün olmayan damarların daha rahat bulunmasıdır. Retinadaki damarlar birbirine bağlı bir ağaç yapısında olduğu için tüm retinayı incelemek yerine damar ağacının kökünden başlanarak sadece damar olması muhtemel yerler incelenerek zaman kazancı sağlanabilmektedir. Ayrıca damar izleme işlemi damar dallanma noktaları gibi yapısal özellikler hakkında da bilgi sunar. Ancak herhangi bir başlangıç noktasına (tohum noktası) sahip olmadan damar izleme mümkün olamamaktadır. Ek olarak herhangi bir dallanma noktasının tespit edilememesi durumunda tespit edilemeyen alt damar yapıları olabilmektir. Literatürde genellikle damar izleme algoritmaları tek başına kullanılmak yerine uyum filtresi, morfolojik işlemler gibi diğer yöntemlerle birlikte kullanılmaktadır.

Damar izleme alanında yapılan ilk çalışmalardan biri Liu ve ark. tarafından yapılmıştır [25]. Önerilen çalışmada retinal anjiogram görüntülerinde damar yapılarını bulmak için adaptif bir izleme yöntemi kullanmışlardır. Damar yörüngeleri herhangi bir damar üzerinde başlangıç noktası seçerek tahmin edilebilmektedir ve izlenen damar pikselleri görüntüden silinerek bir sonraki izleme işlemine geçilmektedir. Bu işlem tüm retinal damar ağacını çıkarana kadar öz yinelemeli bir şekilde devam ettirilmektedir. Bu algoritma kullanıcının damar başlangıç noktalarını işaretlemesini gerektirmektedir.

Damar izleme konusunda yapılan bir diğer çalışmada Zhou ve ark. [26] ise damar orta çizgisinin rotasını belirlemek ve tek bir damar parçasının çapını ve eğriliğini ölçmek amacıyla yeni bir algoritma önermişlerdir. Çalışmada bir kan damarı parçasının izlenmesi işlemi, en son izlenen belli bir sabit uzunluktaki kan damarı yönünde aramayı genişleterek devam etmesi şeklinde gerçekleştirilmektedir. Mevcut konumdan bir sonraki konumu tahmin etmek amacıyla damar profiline dik olan çizgi üzerinde Gauss uyum filtresi uygulanmış ve sonuçlar izlenmiştir. Bu sayede bir sonraki izlenecek konum gözlenmekte, yapılan kestirim (tahmin) doğrulanmakta ve bir sonraki izlenecek konum yeniden tahmin edilebilmektedir. Tüm bu işlemler iteratif bir şekilde devam etmektedir. Ayrıca uyum filtresi küçük damar dallanmalarını ihmal ettiği için tek bir ana damar bileşeninin devamlı olarak

izlenmesi sağlanmış olur. Önerilen bu algoritma başlangıç ve bitiş noktaları ile damar izleme yönünün manuel olarak belirlenmesini gerektirmektedir.

Chutatape ve ark. yaptıkları çalışmada retinal görüntülerde kan damarı tespiti için Gauss ve Kalman filtresi kullanarak bir izleme stratejisi kullanılmışlardır. Damar merkez çizgisinin orta notasını kestirebilmek için ikinci dereceden Gauss uyum filtresi kullanılmıştır ve daha sonra optik disk çevresinden başlayarak izleme işlemi başlatılmaktadır. Bir sonraki damar parçasının (bölütünün) konumunu hesaplarken bir önceki damar bölütü parametreleri ile birlikte daha önce izlenen tüm damar konumları kullanılarak Kalman filtresi uygulanmıştır. Ayrıca bu çalışmada dallanma noktalarını tespiti de gerçekleştirilmektedir. etme işlemi izleme süresince uygulanmaktadır [27].

Kelvin ve ark. tarafından damar görüntülerinin çıkarılması amacıyla yarı-otomatik bir yöntem önerilmiştir [28]. Yöntemde optimum damar orta eksenini etkin bir şekilde hesaplamak amacıyla Hessian matris kullanan çok ölçekli Frangi filtresi [29] ile özel bir sınır çıkarma yöntemi olan Live-ware algoritması [30] kullanmışlardır. Damar boyunca seyrek tohum noktaları belirlenmekte ve bu tohum noktalarına bitişik optimum sınırlar Dijkstra algoritması kullanarak bulunmaktadır. Bu şekilde damar boyunca hızlı bir damar izleme işlemi gerçekleştirilmektedir.

Damar bölütleme ve damar çapı çıkarma amacıyla Delibasis ve ark. tarafından otomatik model tabanlı bir damar izleme algoritması önerilmiştir. Algoritma damarların geometrik özelliklerini dikkate alarak parametrik bir model kullanmaktadır. Görüntü ve kullanılan model arasında eşleşme ölçütü gibi bir değer kullanılmaktadır. İzleme için gerekli tohum noktaları Frangi filtresi kullanılarak otomatik bir şekilde belirlenmektedir. Tohum noktası, çıkarılan şerit yönü, şerit genişliği ve eşleşme ölçütü kullanarak en uygun eşleşme belirlenmekte ve bu sayede damar izleme işlemi gerçekleştirilmektedir. İzleme esnasında damar genişliği yönü gibi parametreler dinamik olarak güncellenmekte ve herhangi bir dallanma noktasına geldiğinde izleme sonlanıp yeni bir izleme başlatılmaktadır [31].

Yine retinal görüntülerde kan damarlarının bulunması amacıyla Yin ve ark. tarafından olasılık izleme yöntemi önerilmiştir [32]. İzleme esnasında yerel gri seviye istatistikleri ve damar devamlılık özellikleri kullanılarak iteratif bir şekilde damarların kenar noktaları tespit edilmektedir. Damar profili Gauss eğrisi kullanılarak kestirilmekte ve maksimum damara uyan yapılar Bayes yöntemi kullanılarak belirlenmektedir. Yöntem gerçek ve sentetik damarlar üzerinde test edilmiştir.