بخش بندی رگهای شبکیه چشم به صورت پیکسلی با استفاده از ویژگی بافت و رنگ
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 55
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CONFIT01_0148
تاریخ نمایه سازی: 4 مهر 1403
چکیده مقاله:
با پیشرفت سریع فناوری محاسبات و صنعت کامپیوتر علاقه محققان به طراحی و توسعه سیستم های تشخیص خودکار برای بهبود خدمات پزشکی افزایش یافته است . دو ویژگی اصلی این سیستم ها قابلیت اطمینان بالا و دقت زیاد آنها است . به عنوان نمونه ای از این سیستم ها می توان به سیستمی اشاره نمود که با توجه به تصاویر شبکیه قادر به تشخیص بیماری هایی نظیر آب مروارید، آب سیاه، فشار خون و مهم تر از همه دیابت است . ابزار اصلی این سیستم پردازش تصویر است و عمل تشخیص بیماری از طریق استخراج ویژگی هایی از عروق شبکیه نظیر قطر، انحنا و دانسیته رگهای قابل رویت ، انجام می شود. برای آشکارسازی عروق موجود در شبکیه تاکنون روشها و رویکردهای متعددی معرفی شده است . در ابتدا به منظور حذف ناحیه مربوط به دیسک نوری از عملگر Bottom Hat استفاده می شود. روشهای مختلفی برای استخراج ویژگی از تصاویر شبکیه چشم وجود دارد. ویژگی های مورد استفاده در این پژوهش شامل فضای رنگی RGB، YCbCr و LAB می باشد. پس از نگاشت تصویر به این فضاهای رنگی ، کانالهای رنگی G از فضای رنگی RGB و Y از فضای رنگی YCbCr و L از فضای رنگی LAB به عنوان ویژگی استخراج و پس از استخراج ویژگی از کانالهای رنگی عملیات بهبود کنتراست انجام می شود. در مرحله بعد از فیلتر گابور جهت استخراج ویژگی از کانالهای رنگی استفاده می گردد. از الگوریتم خوشه بندی - k میانگین برای خوشه بندی امتیازهای تعلق گرفته به بردار ویژگی استفاده شده است . تعداد خوشه های مورد استفاده در این خوشه بندی دو عدد می باشد که نشان دهندهی پیکسل های مربوط به رگهای خونی و پیکسل های پس زمینه شبکیه چشم می باشد. با توجه به غالب بودن پیکسل های استخراج شده از پس زمینه تصاویر شبکیه چشم تنها ویژگی های استخراج شده از پس زمینه به دسته بند آموزش داده می شود. دسته بند مورد استفاده در این آزمایش ماشین یادگیر بیشینه می باشد. پایگاهداده مورد استفاده در این پایاننامه DRIVE می باشد که دقت به دست آمده روش پیشنهادی روی این دادهها ۹۳/۹۷ درصد می باشد.
نویسندگان
فاطمه حاجی مقسمی
کارمند ،کارشناس آموزش متوسطه فنی حرفه ای و کاردانش ، آموزش و پرورش استان هرمزگان،آموزش و پرورش ناحیه ۲ ، بندرعباس ، ایران
الهام کمالی
مدرس ،گروه نهضت ، آموزش و پرورش استان هرمزگان ، بندرعباس ، ایران،رودان
مسلم ملایی
هنرآموز ،گروه کامپیوتر ، آموزش و پرورش استان هرمزگان ، بندرعباس،ایران ، رودان