CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص اتوماتیک هومورژهای شبکیه با استفاده از تکنیک های دسته بندی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۹۹۷ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_238
زبان مقاله: فارسی
حجم فایل: ۱۳۶.۶۶ کیلوبایت (فایل این مقاله در ۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص اتوماتیک هومورژهای شبکیه با استفاده از تکنیک های دسته بندی

  علی شاعیدی - کارشناسی ارشد معماری کامپیوتر عضو هیئت علمی دانشگاه پیام نور مرکز دزف
    جعفر حبیبی - دانشیار، دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف تهران، ایران
  حمید محمدی - کارشناسی ارشد نرم افزار کامپیوتر دانشگاه صنعتی شریف تهران، ایران

چکیده مقاله:

هومورژهای شبکیه خصوصیت برخی از بیماریهای شبکیه از قبیل رتینوپاتی دیابتی (اختلال در شبکیه ناشی از بیماری دیابت ) هستند. در این مقاله هدف ما ایجاد یک مدل کمی تشخیص به طور
اتوماتیک می باشد تا این پاتولوژی های قرمز درون تصاویر رنگی شبکیه را نشان دهد. بعد از مرحله پیش پردازش اولیه، نرمال سازی رنگ و بهبود کنتراست، تصاویر رنگی شبکیه با استفاده از روش تشخیص هومورژ برمبنای پیکسل تقسیم بندی (سگمنت بندی) می شوند . سپس نواحی تقسیم بندی شده را به دو کلاس مجزا، هومورژها و غیر هومورژها، دسته بندی می کنیم و کارایی روش های دسته بندی مختلف را با هم مقایسه می نماییم. این روش در مقایسه با روشهای تشخیص بالینی از دقت بالایی برخوردار میباشد و نشان می دهد که تشخیص بیماری به کمک کامپیوتر می تواند بسیاری از مشکلات تحلیل و تشخیص دستی را از بین ببرد. روش پیشنهادی با ترکیبی از زبانهای برنامه نویسی بطور کامل پیاده سازی گردیده است. نتایج بدست آمده در مرحله تست دارای دقت تشخیص کلی ٩٧.٦٩ درصد برای شناسایی پاتولوژی هومورژ می باشد.

کلیدواژه‌ها:

نرمال سازی رنگ، بهبود کنتراست، رتینوپاتی دیابتی، تقسیم بندی، دسته بندی، تشخیص هومورژ برمبنای پیکسل

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_238.html
کد COI مقاله: ACCSI13_238

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شاعیدی, علی؛ جعفر حبیبی و حمید محمدی، ۱۳۸۶، تشخیص اتوماتیک هومورژهای شبکیه با استفاده از تکنیک های دسته بندی، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_238.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (شاعیدی, علی؛ جعفر حبیبی و حمید محمدی، ۱۳۸۶)
برای بار دوم به بعد: (شاعیدی؛ حبیبی و محمدی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • _ D. Usher, M. Dumskyj, et al, J. Boyce, Automated ...
  • D. Singer, D. Nathan, H. Fogel, A. Schachat. Screening for ...
  • C. S inthanayothin, J. Boyce, T. Williamson, "Automated detection of ...
  • M. Niemeijer, B. Ginneken, J. Staal, et al, Automatic detection ...
  • I. Scobie, A. MacCuish, T. Barrie, F. Green, W. Foulds. ...
  • R. Klein, B. Klein, Screening for diabetic retinopathy, American Journal ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه پیام نور
    تعداد مقالات: ۴۴۸۰۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > دیابت
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.