Search acceleration methods for large retinal image databases

Abstract

A monitorização de patologias da retina pode ser feita através da comparação de imagens retinais do mesmo paciente e mesmo olho capturadas em diferentes períodos de tempo. De modo a fazer esta comparação, após a aquisição de uma nova imagem da retina, é necessário identificar na base de dados as restantes imagens pertencentes a esse mesmo paciente e olho. Embora as imagens armazenadas possam ser facilmente etiquetadas usando metadados de forma a facilitar a pesquisa na base de dados, frequentemente ocorrem erros e informação importante como a identificação do paciente pode não ser obtida correctamente. Para precaver este problema, as imagens devem ser identificadas apenas através de características da própria imagem. Para fazer o reconhecimento de indivíduos baseado na retina existem várias técnicas eficientes que podem ser aplicadas, tal como o registo de imagens. Um aspecto negativo de métodos baseados na pesquisa exaustiva da base de dados de imagens, com a comparação da imagem da retina a pesquisar com todas as imagens armazenadas na base de dados é o elevado custo computacional. O objectivo deste trabalho é a pesquisa e desenvolvimento de métodos que permitam definir um subconjunto de imagens da base de dados, idealmente contendo todas as imagens do mesmo paciente que a imagem da retina em questão, que após passagem por uma segunda fase de identificação na qual é usado um método de reconhecimento de indivíduos com base na retina, permitam a identificação expedita das imagens que pertencem de facto ao mesmo paciente e olho. Para o desenvolvimento de um algoritmo eficiente, o conjunto de imagens devolvido deve ser o mais reduzido possível e o desempenho medido pela taxa de identificação correcta deve ser o mais elevado possível. A contribuição principal deste trabalho centra-se no uso de Árvores de Vocabulário para pesquisa eficiente em bases de dados de imagens da retina, aliado ao uso de diferentes descritores de características visuais das imagens retinais. Foram considerados quatro tipos diferentes de descritores de imagens: Dimensão Fractal e Energia de Wavelets, ambos usados em estudos de reconhecimento biométrico a partir de imagens da retina e também descritores SIFT e SURF. Os conjuntos de descritores associados às imagens da base de dados foram organizados usando Árvores de Vocabulário por forma a permitirem uma pesquisa rápida da base de dados. Este procedimento inovador de pesquisa de imagens da retina recorrendo a Árvores de Vocabulário, permite agrupar as imagens de acordo com a semelhança que apresentam entre si, facilitando a selecção de um subconjunto de imagens mais semelhantes à imagem da retina usada na pesquisa. Tal como era esperado, os métodos de extracção de características usados em sistemas de identificação de indivíduos baseados na retina foram os que apresentaram uma maior eficiência, isto é, que permitiram a selecção de um menor subconjunto de imagens da base de dados assegurando que as imagens correctas são identificadas.O algoritmo proposto permite, em média, usar apenas 0.042% da base de dados num método de identificação de indivíduos baseado na retina, representando 97.57% de redução do tempo de cálculo quando comparando com o uso do método de identificação de indivíduos na totalidade da base de dados. O algoritmo desenvolvido permite a identificação correcta das imagens pertencentes ao mesmo paciente em 98.79% dos casos.