ABSTRACT -- Aim-- To recognise automatically the main components of the fundus on digital colour images. Methods--The main features of a fundus retinal image were defined as the optic disc, fovea and blood vessels. We describe methods for their automatic recognition and location. 112 retinal images were pre-processed via adaptive, local, contrast enhancement. The optic discs were located by identifying the area with the highest variation in intensity of adjacent pixels. Blood vessels were identified by means of a multilayer perceptron neural net, for which the inputs were derived from a principal component analysis of the image and edge detection of the intensity. The foveas were identified using matching correlation together with characteristics typical of a fovea-for example, darkest area in the neighbourhood of the optic disc. The main components of the image were identified by an experienced ophthalmologist for comparison with computerised methods. Results-- The sensitivity and specificity of the recognition of each retinal main component was as follows: 99.1% and 99.1% for the optic disc; 83.3% and 91.0% for blood vessels; 80.4% and 99.1% for the fovea. Conclusions-- In this study the optic disc, blood vessels and fovea were accurately detected. The identification of the normal components of the retinal image will aid the future detection of diseases of these regions. In diabetic retinopathy, for example, an image could be analysed for retinopathy with reference to sight threatening complications such as disc neovascularisation, vascular changes or foveal exudation.
Keywords -- Image Analysis, Image Recognition, Neural Network, Diabetic Diagnosis, Retinopathy

บทคัดย่อ -- วัตถุประสงค์: การใช้เทคโนโลยีคอมพิวเตอร์หาส่วนประกอบหลักๆของเรตินาอย่างอัตโนมัติจาก ภาพสีที่ถ่ายจากกล้องถ่ายเรตินาระบบดิจิทอล หลักการ-- ภาพเรตินาประกอบด้วย ออพติกดิสค์ โฟเวีย และเส้น เลือด หลักการที่จะกล่าวต่อไปจะใช้อธิบายการ หาตำแหน่งอย่างอัตโนมัติของส่วนประกอบหลักๆนี้ กับ 112 ภาพ เริ่มต้นด้วยการทำให้ภาพคมชัดขึ้นโดยเทคนิค Adaptive Local Contrast Enhancement จากนั้นหาตำแหน่งของ ออฟติกดิสค์โดยการวัดความแปลผันของ Intensity ณ.จุดนั้นกับบริเวณใกล้เคียง เส้นเลือดในตาสามารถวิเคราะห์ โดยใช้เทคนิคโครงข่ายประสาทเทียมแบบ Multilayer perceptron โดยที่ข้อมูลที่ป้อนเข้าไปนำมาจากเทคนิค Principal component analysis (PCA) และ Edge detection ของ PCA โฟเวียสามารถหาได้โดยใช้เทคนิค Matching correlation และลักษณะเฉพาะของโฟเวียอาทิเช่น ลักษณะมืดคล้ำบริเวณข้างๆออฟติกดิสค์ สุดท้ายวัดความถูกต้อง โดยเปรียบเทียบตำแหน่งของส่วนประกอบหลักที่ได้จากคอมพิวเตอร์กับการบอกตำแหน่ง โดยแพทย์ผู้ชำนาญการ ผลที่ได้-- ค่า Sensitivity และค่า Specificity ของการหาส่วนประกอบของภาพเรตินาแต่ ละส่วนอย่างอัตโนมัต เป็นไปดังนี้ 99.1% และ 99.1% สำหรับตำแหน่งออฟติกดิสค์, 83.3% และ 91.0% สำหรับ ตำแหน่งเส้นเลือดในตา และ 80.4% กับ 99.1% สำหรับตำแหน่งโฟเวีย บทสรุป-- จากการศึกษานี้คอมพิวเตอร์ สามารถหาตำแหน่งออฟติกดิสค์ เส้นเลือด และโฟเวียได้อย่างถูกต้อง การหาส่วนประกอบหลักๆของเรตินานี้จะ ช่วยวิเคราะห์บริเวณผิดปกติที่เกิดขึ้นในอนาคต ในตาของคนที่เป็นโรคเบาหวาน อาการที่อาจจะมีผลกระทบร้าย แรงเช่น disc neovascularisation, vascular changes หรือ foveal exudation เป็นต้น
คำสำคัญ -- การวิเคราะห์ภาพ , การจดจำภาพ , โครงข่ายประสาทเทียม , การวินิจฉัยโรค Diabetic Retinapathy.

REPRINT --- This article is a reprint of the article appeares in the British Journal of Ophthalmology (Br J Ophthalmal 1999 83: 902-910)