تشخیص خودکار جداشدگی شبکیه در تصاویر سونوگرافی چشم

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,547

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC16_082

تاریخ نمایه سازی: 28 بهمن 1390

چکیده مقاله:

یکی از مشکلاتی که در مورد برخی بیماران چشمی وجود دارد رویه تشخیص است برای تشخیص بیمارهای چشم از تصویر برداری سونوگرافی استفاده می شود اما دربرخی موارد به دلیل کیفیت پایین تصاویر سونوگرافی و همچنین نویزهای وارده برخی از جزئیات تصویر محو شده و شباهتهایی درویژگیهای تشخیصی برخی از بیمارها بوجود می آید از این میان تشخیص جداشدگی شبکیه که نیاز به عمل جراحی در اسرع وقت دارد اهمیت بسزایی برای چشم پزشکان دارد و یافتن راهی که بتواند امکان تشخیص آن را از سایر بیماریها فراهم کند می تواند نقش مفیدی در تشخیص بهنگام این بیماری داشته باشد دراین بررسی ابتدا تصویر سونوگرافی دیجیتال مورد پیش پردازش قرارمیگیرد تا نویز موجود در آن تا حدودی کاهش یابد سپس با استفاده از آنالیز اجزای ویژه PCA ویژگیهای تصویر استخراج می شود و درنهایت از شبکه های عصبی برای تشخیص بیماری استفاده می کنیم دراینجا عملکرد دو نوع شبکه عصبی پرسپترون چندل ایه MLP و شبکه با توابع پایه شعاعی RBF را مورد ارزیابی قرار میدهیم

کلیدواژه ها:

پردازش تصویر_تشخیص خودکار_شبکه ی عصبی_آنالیز اجرای ویژه_سونوگرافی چشم_جداشدگی شبکیه

نویسندگان

سونا مرجب

دانشجوی کارشناسی ارشد مهندسی برق الکترونیک دانشگاه گیلان

مهرگان مهدوی

استادیار گروه کامپیوتر دانشکده فنی دانشگاه گیلان

فریبا قاسمی

استادیار گروه چشم پزشکی دانشگاه علوم پزشکی تهران و مرکز تحقیقات بیما

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 :
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • S. Thakur, J. K. Sing, D. K. Basu, M. Nasipuri ...
  • Simon Haykin, Neural Networks, Macmillan College Publishing Company, 1999. ...
  • Z.M. Yang at al. "An intrusion detection system based on ...
  • Smith RA, :American Cancer Society guidelines for the early detection ...
  • M. J. Er, S. Wu, Lu, H. L. Toh, "Face ...
  • Zhou, X...Franklin , F. , Angerman S.K., "Authenticity and integrity ...
  • International Conference On Computer Science and Information Technology 9-11 July ...
  • Banik. S, Rangayyan. R. M, Desautels. J. E. L, "Detection ...
  • Qingzhen Li, Jiufen Zhao, Xiaoping Zhu, _ Unsupervised Learning Algorithm ...
  • Analysis", _ _ _ _ Automation, Robotics and vision, 5-8 ...
  • Sandra Frazier Byrne, Ronald L, Green, Ultrasound of eye and ...
  • Peng Wang, Matthew B. Green, Qiang Ji, "Automatic Eye Detection ...
  • Kar, S, Hiremath. S. Joshi. D. G, Chadda. V.K, Bajpai. ...
  • Gao Yan, Boliang Wang, "An Automate Kidney segmentation from abdominal ...
  • Yongjian Yu, Acton. S. T, _ Edge detection in ultrasound ...
  • Weiqing Li, Chengbiao Wang, Qun Wang, Guangshe Chen, _ Edge ...
  • Zhao Yu-qian, Gui Wei-hua, Chen Zhen-cheng, Tang ...
  • International Conference On Engineering in Medicine and Biology Society, 2005. ...
  • M. R. Potdukhe, P. T. Karule, "MLP NN based DSS ...
  • _ _ _ _ Emerging Trends in Engineering and Technology, ...
  • نمایش کامل مراجع