Методы цифрового анализа сосудистой системы человека. Обзор литературы
Ильясова Н.Ю.

PDF, 1106 kB

DOI: 10.18287/0134-2452-2013-37-4-511-535

Страницы: 511-535.

Аннотация:
В статье представлен обзор основных подходов к цифровому анализу изображений сосудистых систем человека. Выделены основные этапы обработки диагностических изображений, проведён анализ различных подходов к выделению и количественному оцениванию морфологических признаков сосудов.

Ключевые слова :
сосудистая система человека, обработка изображений.

Литература:

  1. Teng, T. Progress towards automated diabetic ocular screening: a review of image analysis and intelligent systems for diabetic retinopathy / T. Teng, D. Claremont, M. Lefley // Med. Biol. Eng. Comput. – 2002. – Vol. 40(1). – P. 2-13.
  2. Heneghan, C. Characterization of changes in blood vessel width and tortuosity in retinopathy of prematurity using image analysis / C. Heneghan, J. Flynn, M. O'Keefe, M. Cahill // Med. Image. Anal. – 2002. – Vol. 6(4). – P. 407-29.
  3. Cheung, C.S. Computer-assisted image analysis of temporal retinal vessel width and tortuosity in retinopathy of prematurity for the assessment of disease severity and treatment outcome / C.S. Cheung, Z. Butty, N.N. Tehrani, W.C. Lam // J AAPOS. – 2011. – Vol. 15(4). – P. 374-380.
  4. Haddouche, A. Detection of the foveal avascular zone on retinal angiograms using Markov random fields / A. Haddouche, M. Adel, M. Rasigni, J. Conrath, S. Bourennane // Digital Signal Processing. – 2010. – Vol. 20(1). – P. 149-154.
  5. Grisan, E. A divide et impera strategy for automatic classification of retinal vessels into arteries and veins / E. Grisan, A. Ruggeri // Engineering in Medicine and Biology Society 2003 / Proceedings of the 25th Annual International Conference of the IEEE. – 2003. – Vol. 891. – P. 890-893.
  6. Lowell, J. Measurement of retinal vessel widths from fundus images based on 2-D Modeling / J. Lowell, A. Hunter, D. Steel, A. Basu, R. Ryder, R.L. Kennedy // IEEE Trans Med Imaging. – 2004. – Vol 3(10). – P. 1196-1204.
  7. Foracchia, M. Extraction and quantitative description of vessel features in hypertensive retinopathy fundus images / M. Foracchia // Book Abstracts / 2nd International Workshop on Computer Assisted Fundus Image Analysis. – 2001. – P. 6.
  8. Kose, C. A personal identification system using retinal vasculature in retinal fundus images / C. Kose, C. Ikibas // Expert Systems with Applications. – 2011. – Vol. 38(11). – P. 13670-13681.
  9. Fraz, M.M. Blood vessel segmentation methodologies in retinal images / M.M. Fraz, P. Remagnino, A. Hoppe, B. Uyyanonvara, A.R. Rudnicka, C.G. Owen, S.A. Barman // Comput Methods Programs Biomed. – 2012. – Vol. 108(1). – P. 407-433.
  10. Winder, R.J. Algorithms for digital image processing in diabetic retinopathy / R.J. Winder, P.J. Morrow, I.N. McRitchie, J.R. Bailie, P.M. Hart // Computerized Medical Imaging and Graphics. – 2009. – Vol. 33(8). – P. 608-622.
  11. Felkel, P. Vessel tracking in peripheral CTA datasets – an overview / P. Felkel, R. Wegenkittl, A. Kanitsar. – Computer Graphics (Spring Conference on), 2001. – P. 232-239.
  12. Buhler, K. Geometric methods for vessel visualization and quantification – a Survay / K. Buhler, P. Felkel, A.L. Cruz // Geometric Modelling for Scientific Visualization. – 2003. – P. 399-421.
  13. Kirbas, C. A review of vessel extraction techniques and algorithms / C. Kirbas, F. Quek // ACM Computing. – 2004. – Vol. 36(2). – P. 81-121.
  14. Mabrouk, M.S. Survey of retinal image segmentation and registration / M.S. Mabrouk, N.H. Solouma, Y.M. Kadah // GVIP Journal. – 2006. – Vol. 6(2). – P. 1-11.
  15. Faust, O.R.A.U. Algorithms for the automated detection of diabetic retinopathy using digital fundus images: a review / O.R.A.U. Faust, E.Y.K. Ng, K.-H. Ng, J.S. Suri // Journal of Medical Systems. – 2012. – Vol. 36(1). – P. 145-57.
  16. Akita, K. A computer method of understanding ocular fundus images / K. Akita, H. Kuga // Pattern Recognition. – 1982. – Vol. 15. – P. 431-443.
  17. Thackray, B.D. Semi-automatic segmentation of vascular network images using a rotating structuring element (rose) with mathematical morphology and dual feature thresholding / B.D. Thackray, A.C. Nelson // IEEE Trans. Med. Imaging. – 1993. – Vol. 12(3). – P. 385-392.
  18. American Academy of Ophthalmology, Ophthalmic Pathology // in Basic and Clinical Science Courses. – section 11, 179,1991.
  19. Staal, J.J. Ridge based vessel segmentation in color images of the retina / J.J. Staal, M.D. Abramoff, M. Niemeijer, M.A. Viergever, and B. van Ginneken // IEEE Transactions on Medical Imaging. – 2004. – Vol. 23(4). – P. 501-509.
  20. Gangaputra, S. Retinal vessel caliber among people with acquired immunodeficiency syndrome: relationships with disease-associated factors and mortality / P.S. Kalyani, A.A. Fawzi, M.L. Van Natta, L.D. Hubbard, R.P. Danis, J.E. Thorne, G.N.  Holland // Am. J. Ophthalmol. – 2012. – Vol. 153(3). – P. 434-444.
  21. Gelman, R. Diagnosis of Plus Disease in Retinopathy of Prematurity Using Retinal Image multiScale Analysis / R. Gelman, M.E. Martinez-Perez, D.K. Vanderveen, A. Moskowitz, A.B. Fulton // Investigative Ophthalmology and Visual Science. – 2005. – Vol. 46(12). – P. 4734-4738.
  22. Stanton, A.Vascular network changes in the retina with age and hy­pertension / A.V. Stanton, B. Wasan, A. Cerutti, S. Ford, R. Marsh, P.P. Sever, S.A. Thom, A.D. Hughes // J. Hypertens. – 1995. – Vol. 13(12). – P. 1724-1728.
  23. Chapman, N. Computer algorithms for the automated measurement of retinal arteriolar diameters / N. Witt, X. Gao, A.A. Bharath, A.V. Stanton, S.A. Thom, A.D. Hughes // Br. J. Ophthalmol. – 2001. – Vol. 85(1). – P. 74-79.
  24. Wong, T.Y. Retinal microvascular abnormalities and incident stroke: the atherosclerosis risk in communities study / T.Y. Wong, R. Klein, D.J. Couper, L.S. Cooper, E.  Shahar, L.D.  Hubbard , M.R.  Wofford, A.R.  Sharrett // Lancet. – 2001. – Vol. 358(9288). – P. 1134-1140.
  25. McClintic, B.R. The relationship between retinal microvascular abnormalities and coronary heart disease: a review / B.R. McClintic, J.I. McClintic, J.D. Bisognano, R.C. Block // Am. J. Med. – 2010. – Vol. 123(4). – P. 374.e1-374.e7.
  26. Chaudhuri, S. Detection of Blood Vessels in Retinal Images Using Two-Dimensional Matched Filters / S. Chaudhuri, S. Chatterjee, N. Katz, M. Nelson, M. Goldbaum // IEEE Transactions on Medical Imaging. – 1989. – Vol. 8(3). – P. 263-269.
  27. Goldbaum, M. Automated diagnosis and image understanding with object extraction, object classification, and inferencing in retinal images / M. Goldbaum, S. Moezzi, A. Taylor, S. Chatterjee, J. Boyd, E. Hunter, R. Jain // IEEE conference on ICIP. – 1996. – Vol. 3. – P. 695-698.
  28. Li, Q. Colour Retinal Image Segmentation For Computer-aided Fundus Diagnosis Department of Computing / Qin Li. – The Hong Kong Polytechnic University, 2010. – 126 p.
  29. Pai, R. Automated Diagnosis of Retinal Images Using Evidential Reasoning / R. Pai, A. Hoover, M. Goldbaum. – International Conference on SENG, 2002.
  30. Abramoff, M. Web-based screening for diabetic retinopathy in a primary care population: The eye check project / M. Abramoff, M. Suttorp // Telemedicine and e-Health. – 2005. – Vol. 11(6). – P. 668-674.
  31. Niemeijer, M. Automatic detection of red lesions in digital color fundus photographs / M. Niemeijer, B. van Ginneken, J. Staal, M.S.A.S. Schulten, M.D. Abramoff // IEEE Transactions on Medical Imaging. – 2005.– Vol. 24(5). – P. 584-592.
  32. Soares, J. Retinal vessel segmentation using the 2-d gabor wavelet and supervised classification / J. Soares, J. Leandro, R. Cesar, H. Jelinek, M. Cree // IEEE Transactions of Medical Imaging. – 2006. – Vol. 25(9). – P. 1214-1222.
  33. Sussman, E.J. Diagnosis of diabetic eye disease / E.J. Sussman, W.G. Tsiaras, K.A. Soper // J. Am. Med. Assoc. – 1982.– Vol. 247. – P. 3231-3234.
  34. Klonoff, D. An economic analysis of interventions for diabetes / D. Klonoff, D. Schwartz // Diabetes Care. – 2000. – Vol. 23(3). – P. 390-404.
  35. Bresnick, G. A screening approach to the surveillance of patients with diabetes for the presence of vision-threatening retinopathy / G. Bresnick, D. Mukamel, J. Dickinson, D. Cole // Opthalmology. – 2000. – Vol. 107(1). – P. 19-24.
  36. Wilkinson, C.P. Proposed international clinical diabetic retinopathy and diabetic macular edema disease severity scales / C.P. Wilkinson, F.L. Ferris, R.E. Klein, P.P. Lee, C.D. Agardh, M. Davis, D. Dills, R. Pararajasegaram, A. Kampik, J.T. Verdaguer // Ophthalmology. – 2003. – Vol. 110(9). – P. 1677-1682.
  37. Hutchins, G.M. Tortuosity as an index of the age and diameter increase of coronary collateral vessels in patients after acute myocardial infarction / G.M. Hutchins, M.M. Miner, B.H. Bulkley // Am. J. Cardiol. – 1978. – Vol. 41(2). – P. 210-215.
  38. Miller, R.G. Retinal vessel diameter and the incidence of coronary artery disease in type 1 diabetes / R.G. Miller, C.T. Prince, R. Klein, T.J. Orchard // Am. J. Ophthalmol. – 2009. – Vol. 147(4). – P. 653-660.
  39. Ugurbas, S.C. Comparison of UK and US screening criteria for detection of retinopathy of prematurity in a developing nation / S.C. Ugurbas, H. Gulcan, H. Canan, H. Ankarali, B. Torer, Y.A. Akova // J. AAPOS. – 2010. – Vol. 14(6). – P. 506-520.
  40. Wilson, C.M. Digital image analysis in retinopathy of prematurity: A comparison of vessel selection methods / C.M. Wilson, K. Wong, N. Jeffery, K.D. Cocker, A. Ells, A.R. Fielder // J. AAPOS. – 2012. – Vol. 16 – P. 223-228.
  41. Ghodasra, D.H. The rate of change in retinal vessel width and tortuosity in eyes at risk for retinopathy of prematurity / D.H. Ghodasra, A. Thuangtong, K.A. Karp, G.S. Ying, M.D. Mills, C.A. Wilson, A.R. Fielder, G.E. Quinn // J. AAPOS. – 2012. – Vol. 16(5). – P. 431-446.
  42. Терещенко, А.В. Цифровая технология для диагностики ретинопатии недоношенных / А.В. Терещенко, М.С. Терещенкова, Ю.А. Белый, И.Г. Трифаненкова, Ю.А. Юдина // Кубанский научный медицинский вестник. – 2011. – № 1. – С. 79-82.
  43. Mintz-Hittner, H.A. Treatment of retinopathy of prematurity with vascular endothelial growth factor inhibitors / H.A. Mintz-Hittner // Early Human Development. – 2012. – Vol. 88(12). – P. 937-1041.
  44. Jomier, J. Aylward, quantification of retinopathy of prematurity via vessel segmentation / J. Jomier, K.D. Wallace, R. Stephen // In: MICCAI 2013 proceedings. – 2003. – Vol. 62879, LNCS 2879. – P. 620-626.
  45. Grunwald, L. The rate of retinal vessel dilation in severe retinopathy of prematurity requiring treatment / L. Grunwald, D.M. Mills, S. Keegan, K.A. Karp, G.E. Quinn, Y. Gui-Shuang, J.E. Grunwald // Am. J. Ophthalmol. – 2009. – Vol. 147 (6). – P. 1086-1091.
  46. Shah, D.N. Semiautomated digital image analysis of posterior pole vessels in retinopathy of prematurity / D.N. Shah, С.M. Wilson, G.S. Ying, K.A. Karp, A.R. Fielder, J. Ng, M.D. Mills, G.E. Quinn // J. AAPOS. – 2009. – Vol. 13(5). – P. 504-516.
  47. Wallace, D.K. Computer-automated quantification of plus disease in retinopathy of prematurity / D.K. Wallace, J. Jomier, S.R. Aylward, M.B. Landers // J. AAPOS. – 2003. – Vol. 7(2). – P. 126-130.
  48. Adjeroh, D.A. Texton-based segmentation of retinal vessels/ D.A. Adjeroh, A. Kandaswamy, J.V. Odom // J. Opt. Soc. Am. A: Opt. Image Sci. Vis. (OSA-A). – 2007. – Vol. 24(5). – P. 1384-1393.
  49. Hoover, A. Locating blood vessels in retinal images by piecewise threshold probing of amatchedfilter response / A. Hoover, V. Kouznetsova, M. Goldbaum // IEEE Trans Med Imaging. – 2000. – Vol. 19(3). – P. 203-210.
  50. Newey, V.R. Online artery diameter measurement in ultrasound images using artificial neural networks / V.R. Newey, D.K. Nassiri // Ultrasound Med. Biol. – 2002. – Vol. 28(2). – P. 209-216.
  51. Jan, J. Retinal image analysis aimed at blood vessel tree segmentation and early detection of neural-layer deterioration / J. Jan, J. Odstrcilik, J. Gazarek, R. Kolar // Computerized Medical Imaging and Graphics. – 2012. – Vol. 36(6). – P. 431-441.
  52. heng, G.G. An automatic diabetic retinal image screening system book chapter in medical data mining and knowledge discovery / G.G. Kheng, H.S. Wynne, M. Li, H. Wang // Edited by Krzysztof Cios. – 2001. – Vol. 29. – P. 181-210.
    Iqbal, M.I. Detection of vascular intersection in retina fundus image using modified cross point number and neural network technique / A.M.  Aibinu, M.  Nilsson, I.B.  Tijani more authors // Int. Conf. Comput. Commun. Eng. – 2008. – P. 241-246.
  53. A new supervised method for blood vessel segmentation in retinal images by using gray-level and moment invariants-based features / D. Marin, A. Aquino, M.E. Gegundez-Arias, J.M. Bravo // IEEE Transactions on Medical Imaging. – 2011. – Vol. 30(1). – P. 146-158.
  54. Nearest-neighbor methods in learning and vision: theory and practice / S. Gregory, D. Trevor, I. Piotr // Neural Information Processing / MIT Press, 2006.
  55. Beck, T. Robust model-based centerline extraction of vessels in CTA data / T. Beck, C. Biermann, D. Fritz, R. Dillmann // Proceedings of SPIE. – 2009. – Vol. 7259. – 72593O(9 pp). – doi:10.1117/12.810753.
  56. Sinthanayothin, C. Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images / C. Sinthanayothin, J. Boyce, H. Cook, T. Williamson // British Journal of Ophthalmology. – 1999. – Vol. 83(8). – P. 902-910.
  57. Niemeijer, M. Comparative study of retinal vessel segmentation methods on a new publicly available database / M. Niemeijer, J.J. Staal, B. van Ginneken, M. Loog, M.D. Abrаmoff // SPIE Medical imaging. – 2004. – Vol. 5370. – P. 648-656.
  58. Ablameyko, S.V. Fast method of extraction of the network of vessels on gray angiography images / S.V. Ablameyko, A.M. Nedzved, A.M. Belotserkovsky, T.M. Lehmann // Artificial Intelligence. – 2006. – Vol. 2 – P. 206-211.
  59. Rangayyan, R. Detection of the optic nerve head in fundus images of the retina with gabor filters and phase portrait analysis / R. Rangayyan, X. Zhu, F. Ayres, A. Ells // Journal of Digital Imaging. – 2010. – Vol. 23(4). – P. 438-453.
  60. Liu, Z.Q. Handwriting Recognition: Soft Computing and Probabilistic Approaches / Z.Q. Liu, J. Cai, R. Buse // Studies in Fuzziness and Soft Computing / Berlin, Heidelberg, New York: Springer, 2003. – Vol. 133. – P. 31-57.
  61. Deemter, J.H. Simultaneous detection of lines and edges using compound gabor filters / J.H. Deemter, J.M.H. Du Buf // International Journal of Pattern Recognition and Artificial Intelligence. – 2000. – Vol. 14(6). – P. 757-777.
  62. Ricci, E. Retinal blood vessel segmentation using line operators and support vector classification / E. Ricci, R. Perfetti // IEEE Transactions on Medical Imaging. – 2007. – Vol. 26(10). – P. 1357-1365.
  63. Mookiaha, M.R.K. Data mining technique for automated diagnosis of glaucoma using higher order spectra and wavelet energy features / M.R.K. Mookiaha, U.R. Acharyaa, C.M. Lima, A. Petznickb, S. Jasjit // Knowledge-Based Systems. – 2012. – Vol. 33. – P. 73-82.
  64. Xu, L. A novel method for blood vessel detection from retinal images / L. Xu, S. Luo // BioMedical Engineering. – 2010. – Vol. 9(1). – P. 9-14.
  65. Osareh, A. Automatic blood vessel segmentation in color images of retina / A. Osareh, B.  Shadgar // Iranian Journal Of Science And Technology Transaction. – 2009. – Vol. 23(B2). – P. 191-206.
  66. Martinez-Perez, M.E. Retinal blood vessel segmentation by means of scale-space analysis and region growing / M.E. Martinez-Perez, A.D. Hughes, A.V. Stanton, S.A. Thom, A.A. Bharath, K.H. Parker. –Proc. 2nd MICCAI, 1999. – Vol. 1679. – P. 90-97. – ISBN:3-540-66503-X.
  67. Martinez-Perez, M.E. Segmentation of blood vessels from red-free and fluorescein retinal images / M.E. Martinez-Perez, A.D. Hughes, S.A. Thom, A.A.  Bharath, K.H.  Parker // Medical Image Analysis. – 2007. – Vol. 11(1). – P. 47-61.
  68. Tolias, Y.A. A fuzzy vessel tracking algorithm for retinal images based on fuzzy clustering / Y.A. Tolias, S.M. Panas // IEEE Transactions on Medical Imaging. – 1998. – Vol. 17(2). – P. 263-273.
  69. Salem, S.A. Segmentation of retinal blood vessels using a novel clustering algorithm (RACAL) with a partial supervision strategy / S.A. Salem, N.A. Salem, A.K. Nandi // Medical and Biological Engineering and Computing. – 2007. – Vol. 45(3). – P. 261-273.
  70. Kande, G.B. Unsupervised fuzzy based vessel segmentation in pathological digital fundus images / G.B. Kande, P.V. Subbaiah, T.S. Savithri // Journal of Medical Systems. – 2010. – Vol. 34(5). – P. 849-858.
  71. Villalobos-Castaldi, F. A fast, efficient and automated method to extract vessels from fundus images / F. Villalobos-Castaldi, E. Felipe-Riverуn, L.  Sánchez-Fernández // Journal of Visualization. – 2010. – Vol. 13(3). – P. 263-270.
  72. Ng, J. Maximum likelihood estimation of vessel parameters from scale space analysis / J. Ng, S.T. Clay, S.A. Barman, A.R. Fielder, M.J. Moseley, K.H. Parker, C. Paterson // Image and Vision Computing. – 2010. – Vol. 28(1). – P. 55-63.
  73. Condurache, A. P. Segmentation of retinal vessels with a hysteresis binary-classification paradigm / A.P. Condurache, A. Mertins // Computerized Medical Imaging and Graphics. – 2012. – Vol. 36(4). – P. 325-335.
  74. Adel, M. Statistical-based tracking technique for linear structures detection: Application to vessel segmentation in medical images / M.  Adel, A. Moussaoui, M. Rasigni, S. Bourennane, L. Hamami // IEEE Signal Process. – 2010. – Vol. 17(6). – P. 555-558. – ISSN 1070-9908.
  75. Xinge, Y. Segmentation of retinal blood vessels using the radial projection and semi-supervised approach / Y. Xinge, Q. Peng, Y. Yuan, Y. Cheung, J. Lei // Pattern Recognition. – 2011. – Vol. 44(10-11). – P. 2314-2324.
  76. Kochner, B. Course tracking and contour extraction of retinal vessels from color fundus photographs: Most efficient use of steerable filters from model based image analysis / B. Kochner, D. Schuh­mann, M. Michaelis, G. Mann, K.H. Englmeier // Proc. SPIE Medical Imaging. – 1998. – Vol. 3338. – P. 755-761.
  77. Sukkaew, L. Automatic extraction of the structure of the retinal blood vessel network of premature infants / L.B. Uyyanonvara, S.A. Barman, A. Fielder, K. Cocker // Journal of the Medical Association of Thailand. – 2007. – Vol. 90(9). – P. 1780-1792.
  78. Yao, C. Automated retinal blood vessels segmentation based on simplified PCNN and fast 2D-Otsu algorithm / C. Yao, H.-j. Chen // Journal of Central South University of Technology. – 2009. – Vol. 16. – P. 640-646.
  79. Cinsdikici, M.G. Detection of blood vessels in ophthalmoscope images using MF/ant (matched filter/ant colony) algorithm / M.G. Cinsdikici, D. Aydin // Computer Methods and Programs in Biomedicine. – 2009. – Vol. 96(2). – P. 85-95.
  80. Bankhead, P. Fast retinal vessel detection and measurement using wavelets and edge location refinement / P. Bankhead, C.N. Schol­field, J.G. McGeown, T.M. Curties // PLoS ONE. – 2012. – Vol. 7(3). – P. 1-12.
  81. Gang, L. Detection and Measurement of Retinal Vessels in Fundus Images Using Amplitude Modified Second-Order Gaussian Filter / L. Gang, O. Chutatape, S.M. Krishnan // IEEE Tran. Biomedical Engineering. – 2002. – Vol. 49(2). – P. 168-172.
  82. Al-Rawi, M. An improved matched filter for blood vessel detection of digital retinal images / M. Al-Rawi, M. Qutaishat, M. Arrar // Computers in Biology and Medicine. – 2007. – Vol. 37(2). – P. 262-267.
  83. Zhang, B. Retinal vessel extraction by matched filter with first-order derivative of Gaussian / B. Zhang, L. Zhang, L. Zhang, F. Karray // Computers in Biology and Medicine. – 2010. – Vol. 40(4). – P. 438-445.
  84. Zana, F. Registration Algorithm of Eye Fundus Images Using Vessels Detection and Hough Transform / F. Zana, J.C. Klein // IEEE Transactions on Medical Imaging. – 1999. – Vol. 18(5). – P. 419-428.
  85. Zana, F. Segmentation of vessel-like patterns using mathematical morphology and curvature evaluation / F. Zana, J.C. Klein // IEEE Trans Image Processing. – 2002. – Vol. 10(7). – P. 1010-1019.
  86. Ayala, G. Different averages of a fuzzy set with an application to vessel segmentation / G. Ayala, T. Leon, V. Zapater // IEEE Transactions on Fuzzy Systems. – 2005. – Vol. 13(3). – P. 384-393.
  87. Miri, M.S. Retinal image analysis using curvelet transform and multistructure elements morphology by reconstruction / M.S. Miri, A. Mahloojifar // IEEE Transactions on Biomedical Engineering. – 2011. – Vol. 58(5). – P. 1183-1192.
  88. Calvo, D. Automatic detection and characterisation of retinal vessel tree bifurcations and crossovers in eye fundus images / M. Ortega, M.G. Penedo, J. Rouco // Computer Methods and Programs in Bio­medicine. – 2011. – Vol. 103(1). – P. 28-38.
  89. Fraz, M.M. An approach to localize the retinal blood vessels using bit planes and centerline detection / M.M. Fraz, S.A. Barman, P. Remagnino, A. Hoppe, A. Basit, B. Uyyanonvara, A.R. Rudnicka, C.G. Owen // Comput Methods Programs Biomed. – 2012. – Vol. 108(2). – P. 600-616.
  90. Bouraoui, B. 3D segmentation of coronary arteries based on advanced mathematical morphology techniques / B. Bouraoui, C. Ronse, J. Baruthio, N. Passat, P. Germain // Computerized Medical Imaging and Graphics. – 2010. – Vol. 34(5). – P. 377-387.
  91. Yang, Y. An automatic hybrid method for retinal blood vessel extraction / Y. Yang, S. Huang, N. Rao // International Journal of Applied Mathematics and Computer Science. – 2008. – Vol. 18(3). – P. 399-407.
  92. Sun, K. Morphological multiscale enhancement, fuzzy filter and watershed for vascular tree extraction in angiogram / K. Sun, Z. Chen, S. Jiang, Y. Wang // Journal of Medical Systems. – 2011. – Vol. 35(5). – P. 811-824.
  93. Насонов, А.В. Применение метода морфологических амёб для выделения cосудов на изображениях глазного дна / А.В. Насонов, А.А. Черноморец, А.С. Крылов, А.С. Родин // DSPA'2011. – 2011. – Т. 2. – С. 158-161.
  94. Mendonca, A.M. Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction / A.M. Mendonca, A. Campilho // IEEE Transactions on Medical Imaging. – 2006. – Vol. 25(9). – P. 1200-1213.
  95. Li, Q. Vessel segmentation and width estimation in retinal images using multiscale production of matched filter responses / Q. Li, Y. Jane, D. Zhang / Expert Systems with Applications. – 2012. – Vol. 39(9). – P. 7600-7610.
  96. Nguyen, U.T.V. An effective retinal blood vessel segmentation method using multi-scale line detection / U.T.V. Nguyen, A. Bhuiyan, L.A.F. Park, K. Ramamohanarao // Pattern Recognition. – 2013. – Vol. 46(3). – P. 703-715.
  97. Moghimirad, E. Retinal vessel segmentation using a multi-scale medialness function / E. Moghimirad, S.H. Rezatofighi, H. Soltanian-Zadeh // Computers in Biology and Medicine. – 2012. – Vol. 42(1). – P. 50-60.
  98. Läthén, G. Blood vessel segmentation using multi-scale quadrature filtering / G. Läthén, J. Jonasson, M. Borga // Pattern Recognition Letters. – 2010. – Vol. 31(8). – P. 762-767.
  99. Frangi, A.F. Multiscale vessel enhancement filtering, in: Medical Image Computing and Computer-Assisted Interventation / A.F. Frangi, W.J. Niessen, K.L. Vincken, M.A. Viergever. – MICCAI’98, 1998. – Vol. 1496. – P. 130-137.
  100. Wink, O. Multiscale vessel tracking / O. Wink, W.J. Niessen, M.A. Viergever // IEEE Trans Med Imaging. – 2004. – Vol. 23(1). – P. 130-133.
  101. Sofka, M. Retinal vessel centerline extraction using multiscale matched filters, confidence and edge measures / M. Sofka, C.V. Stewart // IEEE Transactions on Medical Imaging. – 2006. – Vol. 25(12). – P. 1531-1546.
  102. Anzalone, A. A modular supervised algorithm for vessel segmentation in red-free retinal images / A. Anzalone, F. Bizzarri, M. Parodi, M. Storace // Computers in Biology and Medicine. – 2008. – Vol. 38(8). – P. 913-922.
  103. Biesdorf, A. Segmentation and quantification of the aortic arch using joint 3D model-based segmentation and elastic image registration / A. Biesdorf, K. Rohr, D. Feng, H. von Tengg-Kobligk, F. Rengier, D. Böckler, H.U. Kauczor, S. Wörz // Medical Image Analysis. – 2012. – Vol. 16(6). – P. 1187-1201.
  104. Vermeer, K.A. A model based method for retinal blood vessel detection / K.A. Vermeer, F.M. Vos, H.G. Lemij, A.M. Vossepoel // Comput Biol Med. – 2004. – Vol. 34(3). – P. 209-219.
  105. Mahadevan, V. Robust model-based vasculature detection in noisy biomedical images / V. Mahadevan, H. Narasimha-Iyer, B. Roy­sam, H.L. Tanenbaum // IEEE Transactions on Information Technology in Biomedicine. – 2004. – Vol. 8(3). – P. 360-376.
  106. Can, A. Rapid automated tracing and feature extraction from retinal fundus images using direct exploratory algorithms / A. Can, J.N. Turner, H.L. Tanenbaum, B. Roysam // IEEE Transactions on Information Technology in Biomedicine. – 1999. – Vol. 3(2). – P. 125-138.
  107. Narasimha-Iyer, H. Improved detection of the central reflex in retinal vessels using a generalized dual-gaussian model and robust hypothesis testing / H. Narasimha-Iyer, V. Mahadevan, J.M. Beach, B. Roysam // IEEE Transactions on Information Technology in Biomedicine. – 2008. – Vol. 12(3). – P. 406-410.
  108. Wang, L. Analysis of retinal vasculature using a multiresolution Hermite model / L. Wang, A. Bhalerao, R. Wilson // IEEE Transactions on Medical Imaging. – 2007. – Vol. 26(2). – P. 137-152.
  109. Narasimha-Iyer, H. Automatic identification of retinal arteries and veins from dual-wavelength images using structural and functional features / H. Narasimha-Iyer, J.M. Beach, B. Khoobehi, B. Roysam // IEEE Transactions on Biomedical Engineering. – 2007. – Vol. 54. – P. 1427-1435.
  110. Xiaohong, G. A method of vessel tracking for vessel diameter measurement on retinal images / G. Xiaohong, A. Bharath, A. Stanton, A. Hughes, N. Chapman, S. Thom // International Conference on Image Processing. – 2001. – Vol. 2. – P. 881-884.
  111. Lam, B.S.Y. General retinal vessel segmentation using regularization-based multiconcavity modeling / B.S.Y. Lam, G. Yongsheng, A.W.C. Liew // IEEE Transactions on Medical Imaging. – 2010. – Vol. 29(7). – P. 1369-1381.
  112. Zhu, T. Fourier cross-sectional profile for vessel detection on retinal images / V. Mahadevan, H. Narasimha-Iyer, B. Roysam // Computerized Medical Imaging and Graphics. – 2010. – Vol. 34(3). – P. 203-212.
  113. KovesiP. Phase congruency detects corners and edges / P. Kovesi. – The Australian Pattern Recognition Societys Conference: DICTA2003, 2003. – P. 309-318.
  114. Osareh, A. Color morphology and snakes for optic disc localization / A. Osareh, М. Mirmehdi, B. Thomas, R. Markham // Pattern Recognition. – 2002. – Vol. 1. – P. 743-746.
  115. Xu, J. Optic disk feature extraction via modified deformable model technique for glaucoma analysis / J. Xu, O. Chutatape, E. Sung, C. Zheng, Paul Chew Tec Kuan // Pattern Recognition. – 2007. – Vol. 40(7). – P. 2063-2076.
  116. Hsiao, H.K. novel optic disc detection scheme on retinal images / H.K. Hsiao, C.C. Liu, C.Y. Yu, S.W. Kuo, S.S. Yu // Expert Systems with Applications. – 2012. – Vol. 39(12).– P. 10600-10606.
  117. Espona, L. A snake for retinal vessel segmentation / L. Espona, M.J. Carreira, M. Ortega, M.G. Penedo // Proceedings of the 3rd Iberian conference on Pattern Recognition and Image Analysis / International Conference on Pattern Recognition, 2007. – Vol. 4478. – P. 178-185.
  118. Espona, L. Retinal vessel tree segmentation using a deformable contour model / L. Espona, M.J. Carreira, M.G. Penedo, M. Ortega. – ICPR International Conference on Pattern Recognition, 2008. – Vol. 5197 – P. 683-690.
  119. Al-Diri, B. A ribbon of twins for extracting vessel boundaries / B. Al-Diri, A. Hunter. – EMBEC'05 The 3rd European Medical and Biological Engineering Conference, 2005. – Vol. 11(1).
  120. Al-Diri, B. An active contour model for segmenting and measuring retinal vessels / B. Al-Diri, A. Hunter, D. Steel // IEEE Transactions on Medical Imaging. – 2009. – Vol. 28(9).– P. 1488-1497.
  121. Al-Diri, B. REVIEW – a reference data set for retinal vessel profiles, in: Engineering in Medicine and Biology Society / B. Al-Diri, A. Hunter, D. Steel, M. Habib, T. Hudaib, S. Berry. – EMBS Annual International Conference of the IEEE, 2008. – Vol. 2008. – P. 2262-2265.
  122. Jiang, X. Structural performance evaluation of curvilinear structure detection algorithms with application to retinal vessel segmentation / M. Lambers, H. Bunke // Pattern Recognition Letters. – 2012. – Vol. 33(15). – P. 2048-2056.
  123. Zhang, Y. Detection of retinal blood vessels based on nonlinear projections / Y. Zhang, W. Hsu, M. Lee // Journal of Signal Processing Systems. – 2009. – Vol. 55(1-3). – P. 103-112.
  124. Tong, C.S. Variational image binarization and its multi-scale realizations / C.S. Tong, Y. Zhang, N. Zheng // Journal of Mathematical Imaging and Vision. – 2005. – Vol. 23(2). – P. 185-198.
  125. Lam, B.Y. A novel vessel segmentation algorithm for pathological retina images based on the divergence of vector fields / B.Y. Lam, Y. Hong // IEEE Transactions on Medical Imaging. – 2008. – Vol. 27(2). – P. 237-246.
  126. Ramlugun, G.S. Small retinal vessels extraction towards proliferative diabetic retinopathy screening / G.S. Ramlugun, V.K. Nagarajan, C. Chakraborty // Expert Systems with Applications. – 2012. – Vol. 39(1). – P. 1141-1146.
  127. Rapantzikos, K. Detection and segmentation of drusen deposits on human retina: potential in the diagnosis of age-related macular degeneration / K. Rapantzikos, M. Zervakis, K. Balas // Med Imaging Anal. – 2003. – Vol. 7(1). – P. 95-108.
  128. Azemin, M.Z. Robust methodology for fractal analysis of the retinal vasculature / M.Z. Azemin, D.K. Kumar, T.Y. Wong, R. Kawasaki, P. Mitchell, J.J. Wang // IEEE Transactions on Medical Imaging. – 2011. – Vol. 30(2). – P. 243-250.
  129. Patasius, M. Recursive Algorithm for Blood Vessel Detection in Eye Fundus Images / M. Patasius, V. Marozas, D. Jegelevieius, A. Lukosevieius // IFMBEProceedings – 2009. – Vol. 25(11). – P. 212-215.
  130. Ильясова, Н.Ю. Информационные технологии анализа изображений в задачах медицинской диагностики / Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов. – М.: Радио и связь, 2012. – 424 с.
  131. Корепанов, А.О. Метод выделения центральных линий кровеносных сосудов на диагностических изображениях / А.О. Корепанов, Н.Ю. Ильясова. П.М. Чикулаев // Компьютерная оптика. – 2006. – № 29. – C. 146-151.
  132. Aylward, S.R. Intensity ridge and widths for tabular object segmentation and registration / S.R. Aylward, S. Pizer, E. Bullitt and D. Eberl // Wksp on Math Image Analysis. – 1996. – Vol. 7. – P. 131-138. – ISBN: 0-8186-7367-2.
  133. Lecornu, L. Extraction of vessel contours in angiograms by simul- taneous tracking of the two edges / L. Lecornu, C. Roux, J.J. Jacq // Engineering in Medicine and Biology Society. – 1994. – Vol. 1. – P. 678-679.
  134. Hart, M. A method of automated coronary artey tracking in unsubtracted angiograms / M. Hart, L. Holley // IEEE Computers in Cardiology. – 1993. – P. 93-96.
  135. Chutatape, O. Retinal blood vessel detection and tracking by matched Gaussian and Kalman filters / O. Chutatape, L. Zheng, S.M. Krishman // Proceedings of IEEE EMBS. – 1998. – Vol. 6.– P. 3144-3149.
  136. Poon, K. Live-vessel: extending livewire for simultaneous extraction of optimal medial and boundary paths in vascular images / K.Poon, G.Hamarneh, R.Abugharbieh // Medical Image Computing and Computer-Assisted Intervention MICCAI-2007, 2007. – Vol. 4792 – P. 444-451.
  137. Barrett, W.A. Interactive live-wire boundary extraction / W.A. Bar­rett, E.N. Mortensen // Medical Image Analysis. – 1997. – Vol. 1(4) – P. 331-341.
  138. Delibasis, K.K. Automatic model-based tracing algorithm for vessel segmentation and diameter estimation / K.K. Delibasis, A.I. Kechriniotis, C. Tsonos, N. Assimakis // Comput. Methods Programs Biomed. – 2010. – Vol. 100(2). – P. 108-122.
  139. Vlachos, M. Multi-scale retinal vessel segmentation using line tracking / M. Vlashos, E. Dermatas // Computerized Medical Imaging and Graphics. – 2010. – Vol. 34(3). – P. 213-227.
  140. Lalonde, Т. Non-recursive paired tracking for vessel extraction from retinal images / M. Lalonde, L. Gagnon, M.C. Bouchert. – Montreal: Proceedings of the Conference Vision Interface 2000, 2000. – P. 61-68.
  141. Yin, Y. Retinal vessel segmentation using a probabilistic tracking method / Y. Yin, M. Adel, S. Bourennane // Pattern Recognition. – 2012. – Vol. 45(4). – P. 1235-1244.
  142. Huang, Y. An automated computational framework for retinal vascular network labeling and branching order analysis / Y. Huang, J. Zhang, Y. Huang // Microvascular Research. – 2012. – Vol. 84(2). – P. 169-177.
  143. Gao, X. Measurement of vessel diameters on retinal images for cardiovascular studies / X. Gao, A. Bharath, A. Stanton, A. Hughes, N. Chapman, S. Thom. – On-line Conference Proceedings: Medical Image Understanding and Analysis, 2001.
  144. Liu, Y.P. Retinal arterio lar and venular phenoty pes in a Flemish populati on: Repro ducibility and correlates / Y.P. Liu, T. Richart, Y. Jin, H.A. Struijker-Boundierc, J.A. Staessen // Artery Research. – 2011. – Vol. 5(2). – P. 72-79.
  145. Wong, T.Y. Retinal vascular caliber, cardiovascular risk factors, and inflammation: the multi-ethnic study of atherosclerosis (MESA) / T.Y. Wong, F.M. Islam, R. Klein, B.E. Klein, M.F. Cotch, C. Castro, A.R. Sharrett, E. Shahar // Invest. Ophthalmol. Vis. Sci. – 2006. – Vol. 47(6). – P. 2341-2350.
  146. Ikram, M.K. Retinal vessel diameters and risk of impaired fasting glucose or diabetes / M.K. Ikram, J.A. Janssen, A.M. Roos, I. Riet­veld, J.C. Witteman, M.M. Breteler, A. Hofman, C.M. van Duijn, P.T. de Jong // Diabetes. – 2006. – Vol. 55(2). – P. 506-510.
  147. Newsom, R.S. Retinal vessel measurement: comparison between observer and computer driven methods / R.S. Newsom, P.M. Sul­livan, S.M. Rassam, R. Jagoe, E.M. Kohner // Graefes Arch. Clin. Exp. Ophthalmol. – 1992. – Vol. 230(3). – P. 221-225.
  148. Hiroki, M. Tortuosity of the white matter medullary arterioles is related to the severity of hypertension / M. Hiroki, K. Miyashita, M. Oda // Cerebrovasc Dis. – 2002. – Vol. 13(4). – P. 242-250.
  149. King, L.A. Arteriolar length-diameter (L:D) ratio: a geometric parameter of the retinal vasculature diagnostic of hypertension / L.A. King, A.V. Stanton, P.S. Sever, S.A. Thom, A.D. Hughes // J. Hum. Hypertens. – 1996. – Vol. 10(6). – P. 417-418.
  150. assam, S.M. Accurate vessel width measurement from fundus photographs: a new concept / S.M. Rassam, V. Patel, O. Brinch­mann-Hansen, O. Engvold, E.M. Kohner // British Journal of Ophthalmology. – 1994. – Vol. 78(1). – P. 24-29.
  151. Brinchmann-Hansen, O. Microphotometry of the blood column and light streak on retinal vessels in fundus photographs / O. Brinchmann-Hansen, O. Engvold // Acta Ophthalmologica. – 1986. – Vol. 64(S179). – P. 9-19.
  152. Gao, X.W. Quantification characterisation of arteries in retinalimages / X.W. Gao, A. Bharath, A. Stanton, A. Hughes, N. Chapman, S. Thom // Computer Methods and Programs in Biomedicine. – 2000. – Vol. 63(2). – P. 133-146.
  153. Pedersen, L. Quantitative measurement of changes in retinal vessel diameter in ocular fundus images / L. Pedersen, M. Grunkin, B. Ersboll, K. Madsen, M. Larsen, N. Christoffersen, U. Skands // Pattern Recognition Letters. – 2000. – Vol. 21(13-14). – P. 1215-1223.
  154. Wong, T.Y. A prospective cohort study of retinal arteriolar narrowing and mortality / T.Y. Wong, M.D. Knudtson, R. Klein [et al.] // Am. J. Epidemiol. – 2004. – Vol. 159(9). – P. 819-825.
  155. Yiming, W. A fast method for automated detection of blood vessels in retinal images / W. Yiming, Y. Wang, C. Lee // Signals, Systems & Computers. – 1997. – Vol. 2. – P. 1700-1704.
  156. Fathi, A. Automatic wavelet-based retinal blood vessels segmentation and vessel diameter estimation / A. Fathi, A.R. Naghsh-Nilchi // Biomedical Signal Processing and Control. – 2013. – Vol. 8(1). – P. 71-80.
  157. Vilser, W. Automated measurement of retinal vascular diameter / W. Vilser, S. Klein, P. Wulff, G. Fuchs // Fortschr. Ophthalmol. – 1991. – Vol. 88(5). – P. 482-486.
  158. Tyrrell, J.A. 2-D/3-D model-based method to quantify the complexity of microvasculature imaged by in vivo multiphoton microscopy / V. Mahadeva, T. Tong, E.B. Brown, R.K. Jain, B. Roysam // Microvascular Research. – 2005. – Vol. 70(3) – P. 165-178.
  159. Hanssen, H. Retinal vessel diameter, obesity and metabolic risk factors in school children (JuvenTUM 3) / H.  Hanssen , M.  Siegrist , M.  Neidig , A.  Renner , P.  Birzele , A.  Siclovan , K.  Blume , C.  Lammel , B.  Haller , A. Schmidt-Trucksäss , M. Halle // Atherosclerosis. – 2012. – Vol. 221(1).– P. 242-248.
  160. Saez, M. Development of an automated system to classify retinal vessels into arteries and veins / M.  Saez, S.  González-Vázquez, M.  González-Penedo, M.A.  Barceló, M.  Pena-Seijo , G.  Coll de Tuero , A.  Pose-Reino // Comput. Methods Programs Biomed. – 2012. – Vol. 108(1). – P. 367-376.
  161. Mosher, A. Comparison of Retinal Vessel Measurements in Digital vs Film Imags / A. Mosher, E.K. Klein, R. Klein, M.D. Knudtson, N.J. Ferrier // Am. J.  Ophthalmol. – 2006. – Vol. 142(5). – P. 875-878.
  162. Muramatsu, C. Automated selection of major arteries and veins for measurement of arteriolar-to-venular diameter ratio on retinal fundus images / C.  Muramatsu, Y.  Hatanaka, T.  Iwase, T.  Hara, Н.  Fujita // Computerized Medical Imaging an Graphics. – 2011. – Vol. 35(6).– P. 472-480.
  163. Knudtson, M.D. Revised formulas for summarizing retinal vessel diameters / M.D. Knudtson, K.E. Lee, L.D. Hubbard, T.Y. Wong, R. Klein, B.E. Klein // Curr. Eye. Res. – 2003. – Vol. 27(3) – P. 143-149.
  164. Tramontan, L. Computer estimation of the AVR parameter in diabetic retinopathy / L. Tramontan, A. Ruggeri // IFMBE Proc. – 2009. – Vol. 25(11) – P. 141-154.
  165. Nam, H.S. Automated measurement of retinal vessel diameters on digital fundus photographs / H.S. Nam, J.M. Hwang, H. Chung, J.M. Seo // IFMBE Proc. – 2009. – Vol. 25(11) – P. 277-280.
  166. Niemeijer, M. Automatic determination of the artery–vein ratio in retinal fundus images / M. Niemeijer, B. van Ginneken, M.D. Abra­moff // Proc SPIE. – 2010. – Vol. 7624
  167. Niall, P. Retinal image analysis: Concepts, applications and potential / P. Niall, M.A. Tariq, M. Thomas, J.D. Ian, D. Baljean, I.E. Ro­bert, Y. Kanagasingam, J.C. Ian // Progress in Retinal and Eye Research. – 2006. – Vol. 25(1). – P. 99-127.
  168. Sharrett, L.D. Retinal arteriolar diameters and elevated blood pressure: the atherosclerosis risk in communities study / L.D. Hubbard, L.S. Cooper, P.D. Sorlie, R.J. Brothers, F.J. Nieto, J.L. Pinsky, R. Klein // American Journal Epidemiology. – 1999. – Vol. 150(3) – P. 263-270.
  169. Muramatsu, C. Automated segmentation of optic disc region on retinal fundus photographs: comparison of contour modeling and pixel classification methods / C. Muramatsu, T. Nakagawa, A. Sawada, Y. Hatanaka, T. Hara, T.Yamamoto // Comput Methods Programs Biomed. – 2011. – Vol. 101(1). – P. 23-32. MESSIDOR: Methods for Evaluating Segmentation and Indexing techniques Dedicated to Retinal Ophthalmology [Электронный ресурс], 2004. – http://messidor.crihan.fr/index-en.php.
  170. Kauppi, V. DIARETDB1 diabetic retinopathy database and evaluation protocol / T. Kauppi, V. Kalesnykiene, J.K. Kamarainen, L. Lensu, I. Sorri, A. Raninen, R. Voutilainen, J. Pietilд, H. Kдlviдinen, H. Uusitalo. – Medical Image Understanding and Aberystwyth (MIUA2007), 2007. – Vol. 41 - P. 61-65.
  171. ARIA Online, Retinal Image Archive [Электронный ресурс]: http://www.eyecharity.com/aria online/. – 2006.
  172. The VICAVR database [Электронный ресурс]: http://www.var­pa.es/vicavr.html. – 2010.
  173. Chapman, N. Retinal vascular tree morphology: a semi-automatic quantification / N. Chapman, M.E. Martinez-Perez, A.D. Highes, A.V. Stanton, S.A. Thorn, A.A. Bharath, K.H. Parker // IEEE Trans. Biomedical Engineering. – 2002. – Vol. 49(8). – P. 912-917.
  174. Dougherty, G. A quantitative index for the measurement of the tortuosity of blood vessels / G. Dougherty, J. Varro // Medical Engineering & Physics. – 2000. – Vol. 22(8). – P. 567-574.
  175. Johnson, M.J. Robust measures of three-dimensional vascular tortuosity based on the minimum curvature of approximating polynomial spline fits to the vessel mid-line / M.J. Johnson , G. Dougherty // Med. Eng. Phys. – 2007. – Vol. 29(6).– P. 677-690.
  176. Spangler, K.M. Arteriolar tortuosity of the white matter in aging and hypertension / V.R. Challa, D.M. Moody, M.A. Bell // A microradiographic study. J. Neuropathol. Exp. Neurol. – 1994. – Vol. 53(1). – P. 22-26.
  177. Hart, W.E. Measurement and classification of retinal vascular tortuosity / W.E. Hart, M. Goldbaum, B.  Côté, P. Kube, M.R. Nelson // International Journal of Medical Informatics. – 1999. – Vol. 53(2-3). – P. 239-252.
  178. Capowski, J.J. A numeric index based on spatial frequency for the tortuosity of retinal vessels and its application to plus disease in retinopathy of prematurity / J.J. Capowski, J.A. Kylstra, S.F. Freed­man // Retina. – 1995. – Vol. 15(6) – P. 490-500.
  179. Swanson, C. Semiautomated computer analysis of vessel growth in preterm infants without and with ROP / C. Swanson, K.D. Cocker, K.H. Parker, M.J. Moseley, A.R. Fielder // Br. J. Ophthalmol. – 2003. – Vol. 87(12). – P. 1474-1477.
  180. Ильясова, Н.Ю. Биомеханические характеристики сосудов для цифрового анализа изображений глазного дна / Н.Ю. Ильясова, А.В. Куприянов, Н.А. Гаврилова, Г.А. Шил­кин, Н.И. Ланевская // Биомеханика глаза. – 2002. – С. 18-30.
  181. (Ilyasova, N.Yu. Biomechanical characteristics of blood vessels for digital image analysis fundus / N.Yu. Ilyasova, A.V. Kupriyanov, N.A. Gavrilova, G.A. Shilkin, N.I. Lanevskaya // Biomehanika glaza. – 2002. – P. 18-30.)
  182. Lotmar, W. Measurement of vessel tortuosity on fundus photographs / W. Lotmar, A. Freiburghaus, D. Bracher // Graefe’s Arch. Clin. Exp Ophthalmol. – 1979. – Vol. 221(1). – P. 49-57.
  183. Bracher, D. Changes in peripapillary tortuosity of the central retinal arteries in newborns / D. Bracher // Graefe’s Arch. Clin. Exp Ophthalmol. – 1982. – Vol. 218(4). – P. 211-217.
  184. Brinkman, A.M. Variability of human coronary artery geometry: an angiographic study of the left anterior descending arteries of 30 autopsy hearts / A.M.  Brinkman, P.B.  Baker, W.P.  Newman, R.  Vigorito, M.H.  Friedman // Ann Biomed Eng. – 1994. – Vol. 22(1). – P. 34-44.
  185. Smedby, O. Tortuosity and atherosclerosis in the femoral artery: what is cause and what is effect / O. Smedby, L. Bergstrand // Ann. Biomed. Eng. – 1996. – Vol. 24(4). – P. 474-480.
  186. Smedby, O. Two-dimensional tortuosity of the superficial femoral artery in early atherosclerosis / O. Smedby, N.  Högman, S.  Nilsson, U.  Erikson, A.G.  Olsson, G.  Walldius // J. Vasc. Res. – 1993. – Vol. 30(4). – P. 181-191.
  187. Kimball, B. Angiographic features associated with acute coronary artery occlusion during elective angioplasty / B. Kimball, , S. Bui, N. Dafopoulos. J. Can // Cardiol. – 1990. – Vol. 6(8) – P. 327-332.
  188. Cheung, C.Y. Retinal Vascular Tortuosity, Blood Pressure, and Cardiovascular Risk / C.Y.  Cheung, Y. Zheng, W. Hsu, M.L. Lee, Q.P. Lau, P. Mitchell, J.J. Wang, R. Klein, T.Y. Wong // Ophthalmology. – 2011. – Vol. 118(5). – P. 812-818.
  189. Martin Rodriguez, Z. Improved characterisation of aortic tortuosity / Z. Martin Rodriguez, P. Kenny, L. Gaynor // Med. Eng. Phys. – 2011. – Vol. 33(6). – P. 712-719.
  190. Wenn, C.M. Arterial tortuosity / C.M. Wenn, D.L Newman // Phys. Eng. Sci. Med. – 1990. – Vol. 13(2) – P. 67-70.
  191. Kaupp, A. Automatic evaluation of retinal vessel width and tortuosity in digital ?uorescein angiograms, Invest / A. Kaupp, H. Toonen, S. Wolf, K. Schulte, R. Effert, D. Meyer-Ebrecht, M. Reim // Ophthalmol. – 1991. – Vol. 84. –P. 952-987.
  192. Bullitt, E. Analyzing attributes of vessel populations / E. Bullitt, K.E. Muller, I. Jung, W. Lin, S. Aylward // Med. Image Anal. – 2005. – Vol. 9(1). – P. 39-49.
  193. Grisan, E A novel method for the automatic evaluation of retinal vessel tortuosity / E.  Grisan , M.  Foracchia , A.  Ruggeri // IEEE Trans. Med. Imaging Proc. – 2008. – P. 310-319.
  194. Chandrinos, K.V. Image processing techniques for the quantification of atherosclerotic changes / K.V. Chandrinos, R.B. Fisher, P.E. Traha­nias // Proc. MEDICO98 / Cyprus: Limassol, 1998.
  195. Kylstra, J.A. The relationship between retinal vessel tortuosity, diameter and transmural pressure / T. Wierzbicki, M.L. Wolbarsht, M.B. Landers III, E. Stefansson // Clin. Exp. Ophthalmol. – 1986. – Vol. 224(5).– P. 477-480.
  196. Sasongko, M.B. Alterations in retinal microvascular geometry in young type 1 diabetes / J.J. Wang, K.C. Donaghue, N. Cheung, A.J. Jenkins, P. Benitez-Aguirre, J.J. Wang // Diabetes Care. – 2010. – Vol. 33(6). – P. 1331-1336.
  197. Leung, H. Does hormone replacement therapy influence retinal microvascular caliber? / H. Leung, J.J. Wang, E. Rochtchina, T.Y. Wong, R. Klein, P. Mitchell // Microvascular Research. – 2004. – Vol. 67(1). – P. 48-54.
  198. Gregson, P.H. Automated grading of venous beading / Z. Shen, R.C. Scott, V. Kozousek // Computers And Biomedical. – 1995. – Vol. 28(4). – P. 291-304.
  199. Hunter, A. Non-linear Filtering for vascular segmentation and detection of venous beading / A. Hunter, J. Lowell, D. Steel, A. Basu and R. Ryder // Tech. report, University of Durham. – 2003. – P.100-104.
  200. Abrаmoff, M.D. Evaluation of a system for automatic detection of diabetic retinopathy from color fundus photographs in a large population of patients with diabetes / M.D. Abrаmoff, M. Niemeijer, M.S. Suttorp-Schulten, M.A. Viergever, S.R. Russell, B. van Ginneken // Diabetes Care. – 2008. – Vol. 31(2). – P. 193-198.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20