جداسازی رگ های خونی از تصاویر رنگی شبکیه با روشی مبتنی بر فیلتر سازگار

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 727

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICRSIE01_681

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

بررسی اتوماتیک رگ های شبکیه نقش بسیار زیادی در تشخیص برخی بیماری ها از جمله بیمار ی های سیستماتیک دارد.از جمله ی این بیماری ها می توان به بیماری های قلبی و عروقی، بیماری های مربوط به چشم پزشکی مانند تصلب شرایین ونو رگ زایی مشیمیه یا کوروئید، همچنین رتینوپاتی مربوط به دیابت، و شناسایی ناحیه ی فاقد رگ خونی یا حفره اشاره کرد. از آنجایی که این بیماری ها نیاز به تشخیص در مراحل ابتدایی دارند غربال گری عمومی برای درمان مؤثر و سریع آنهالازم و ضروری است. جداسازی اتوماتیکی و دقیق رگ های خونی شبکیه امروزه یک مساله چالش برانگیز از طریق بررسی های کامپیوتری تصاویر فونداس است . در این مقاله مفهوم فیلتر سازگار بهبود داده شده و یک روش جدید برایجداسازی رگ های خونی شبکیه ارایه شده است. هدف جداسازی رگ های خونی با قطر رگ های متفاوت در تصاویرفونداس رنگی با وضوح بالاست . به طوری که برای هر عرض رگ مختلف یک فیلتر سازگار به وسیله اندازه گیری پروفایل شدت روشنایی عمود بر رگ ایجاد می شود و با ایجاد همبستگی بین تصویر و فیلترهای سازگار در جهات مختلف بیشترینپاسخ این فیلترها به دست می آید. در نهایت با آستانه گذاری مناسب، درخت عروق خونی رگ ها استخراج می شود . در این مقاله از پایگاه داده DRIVE حاوی تصاویر فونداس از شبکیه سالم و بیمار استفاده شده است . کارایی الگوریتم با استفاده از سه مقیاس متفاوت شامل صحت، حساسیت و دقت اندازه گیری شده است. نتایج تجربی نشان می دهد که روشپیشنهادی به ترتیب به میانگین حساسیت 83 درصد، دقت 95 درصد و صحت 94 درصد روی پایگاه داده DRIVEرسیده است. در نهایت نتایج حاصل با روش مشابه ای مقایسه شده و مقایسه نتایج حاکی از برتری این روش در جداسازی رگ های خونی شبکیه است

کلیدواژه ها:

رگ های خونی تصاویر فونداس آسیب شناسی چشم ساختار عروقی جداسازی رگ ها اختلال در شبکیه

نویسندگان

فهیمه عنصرودی

کارشناسی ارشد هوش مصنوعی، دانشگاه نبی اکرم تبریز،

میرهادی سیدعربی

دانشیار دانشکده ی برق، دانشگاه تبریز تبریز

حامد نجارپور جباری

کارشناسی نرم افزار، دانشگاه آزاد اسلامی شبستر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Brown G, McNamara J and et al., Color atlas and ...
  • Ciulla T, Regillo C and Harris H, Retina and optic ...
  • Varma R, Steinmann C and Scott U, Expert agreement in ...
  • Tuo J, Ning B, Bojanowski C, Lin Z. Synergic effect ...
  • Bock R, Meier J, Nyul G, Hornegger J, Michelson G, ...
  • Wang J, Klein R, Rochtchina E, Knudston M, Retinal vessel ...
  • Fleming A, Philip S, Goatman K, Olson J, Automated microaneurysm ...
  • Fraz M, Remagnino P, Hoppe A, Blood vessel segmentation methodologies ...
  • Mendonca A, Campilho A, Segmentation of retinal blood vessels by ...
  • Internationa Congress on Engineering Innovation And Technology Development 19 May ...
  • Vlachos M, Dermatas E, Multi-scale retinal vessel segmentation using line ...
  • Tramontan L, Poletti E, Fiorin E and Ruggeri A, A ...
  • Staal J, Abramoff M, Niemijer M, Ridge-based vessel segmentation in ...
  • Whitney A, A direct method of non parametric measuremem selecselection, ...
  • Chaudhuri S, Chatterjee S, Katz N, Nelson M, Detection of ...
  • Min Th, Park RH, Eyelid and eyelash detection method in ...
  • Sezgin M, Sankur B, Survey over image thresholding techniques and ...
  • Odstrilik J, Kolar R, Budai A, Joachim H, Retinal vessel ...
  • نمایش کامل مراجع