AN IMPLEMENTATION THAT DIAGNOSIS ANISOCORIA DISEASE USING IMAGE PROCESSING TECHNIQUES

Abstract

Human pupil abnormalities can be an indicator of many diseases. Anisocoria is a common condition that has been estimated at 20% of the average population. It is specified by inequality in the size of the pupils of the eyes. This paper proposes an anisocoria determining algorithm from a digital image by using the MATLAB computing environment that involves the usage of MATLAB Computer Vision and Image Processing Toolbox. The image used in this work as input data is an image that has been fetched from Siblings Image Database. An input image where anisocoria is present has been downloaded from the Internet. The paper gives an idea of understanding how pupil detection and measurement can be used in medical and psychology diagnostics by using a simple algorithm.

Keywords

• Image Processing,Anisocoria,Diagnosis,Pupil Detection,Pupil Measurement

Görüntü İşleme Teknikleri Kullanarak Anizokori Hastalığını Teşhis Eden Uygulama

Abstract

Göz bebeğindeki anormallikler bir çok hastalığın belirtisi olabilir. Bu hastalıklardan biri olan Anizokori, iki göz bebeği büyüklüğünde bir eşitsizlik olma durumu ile karakterize edilmektedir. Anizokori normal popülasyonun %20'sinde görülen yaygın bir durumdur. Bu makalede, dijital görüntü üzerinde MATLAB hesaplama ortamı kullanılarak uygulanan görüntü işleme teknikleri ile her iki göz bebeğinin tespiti ve büyüklük karşılaştırması gerçekleştirilmekte ve elde edilen sonuçlar ışığında anizokor durumu olup olmadığının belirlenmesi için bir algoritma önerilmektedir. Söz konusu çalışmada giriş verisi ve test amaçlı kullanılmak üzere görüntüler Siblings Image Database ve internet ortamından temin edilmiştir. Bu makale, görüntü işleme algoritması kullanılarak, göz bebeğinin tespiti ve ölçümünün tıp ve psikoloji tanılarında nasıl kullanılabileceğini anlamaya yönelik fikir ortaya koymuş bir çalışmadır.

Keywords

• Görüntü İşleme,Anizokori,Teşhis,Gözbebeği Tespiti,Göz Bebeği Ölçümü

References

1. Basit, A., Javed, M. Y., & Masood, S. (2008). Non-circular Pupil Localization in Iris Images. 2008 4th International Conference on Emerging Technologies.
2. Dey, S., & Samanta, D. (2007). An Efficient Approach for Pupil Detection in Iris Images. 15th International Conference on Advanced Computing and Communications (ADCOM 2007).
3. Kaiser,P.K., Friedman, N. J., & Pineda, R. (2014). The Massachusetts Eye and Ear Infirmary Illustrated Manual of Ophthalmology (4th Edition) Elsevier Saunders. eBook ISBN: 9780323225274
4. Iacoviello, D. (2006). Analysis of pupil fluctuations after a light stimulus by image processing and neural network. Computers & Mathematics with Applications, 1260-1270.
5. Lin, L., Lin, P., LiFang, W., & Lun, Y. (2010). A robust and accurate detection of pupil images. 3rd International Conference on Biomedical Engineering and Informatics. Yantai, China: IEEE.
6. Mahmood, N. H., Uyop, N., Mansor, M. M., & Jumadi, A. M. (2011). Measurement of the Area and Diameter of Human Pupil Using Matlab. 5th Kuala Lumpur International Conference on Biomedical Engineering (p. vol 35. ). Berlin, Heidelberg: Springer.
7. Nowak, W., Zarowska, A., Szul-Pietrzak, E., & Misiuk-Hojło, M. (2014). System and measurement method for binocular pupillometry to study pupil size variability. BioMedical Engineering OnLine.
8. Pasarica, A., Cehan, V., Bozomitu, R. G., & Lupu, R. (2015). Pupil detection algorithms for eye tracking applications. 2015 IEEE 21st International Symposium for Design and Technology in Electronic Packaging.

9. Viola, P., & Jones, M. (2004). Robust real-time object detection. International Journal of Computer Vision, 137-154.