استخراج الگوی عروق خونی شبکیه چشم با استفاده از الگوریتم یادگیری تقویتی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 741

فایل این مقاله در 13 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:

CITCONF03_617

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

استخراج الگوی عروق خونی شبکیه چشم نقش مهمی در کاربردهای پزشکی و شناسایی بیومتریک دارد نحوه توزیع عروق خونی در تصاویر شبکیه چشم در تشخیص یا پیشگیری از بیماریهای چون دیابت، فشار خون و یابیماری های قلبی، مبنای بسیای ازتحلیل های پزشکی است جهت خودکار کردن و بهبود شناسایی الگوی رگهای شبکیه از تکنیکهای پردازش تصویر استفاده می شود یکی از تکنیکهای رایج در پردازش تصویر، قطعه بندی تصاویر با استفاده از آستانه گذاری است. در این روشها، پیدا کردن آستانه بهینه همواره یک چالش است و لذا زمینه تحقیقاتی مورد توجه پژوهشگران بوده است. بدین صورت عامل تقویتی بصورت تعاملی وزن بهینه مطلوب برای ترکیب کردن آستانه های مختلف را یاد میگیرد وتصویر را تقسیم بندی می کند الگوریتم پیشنهاد شده در این مقاله توسط تصاویر موجود در پایگاه داده مشهور DRIVE ارزیابی شده است نتایج پیاده سازی نشان می دهد کهالگوریتم پیشنهادی دقت بالای 96 درصدرا درپایگاه داده DRIVEکسب کرده است و در مقایسه بادیگر روشهای مرتبط عمکرد بهتری را دارد

نویسندگان

سمیه عبداللهی

گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه علم و هنر یزد، ایران

ولی درهمی

گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه علم و هنر یزد، ایران

محمدباقر دولتشاهی

گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه علم و هنر یزد، ایران

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 :
  • پوررضا، رضا، پوررضا، حمیدرضا، بنائی، توکا، دانشور، رامین، " آشکارسازی ...
  • R.C. Gonzalez, R.E. Woods, "Digital Image Processing", 2nd ed., Prentice ...
  • M. M. Fraz, P. Remagnino, A. Hoppe, B. Uyyanonvara, A. ...
  • Yin, Maximum entropy-based optimal threshold selection using deterministic reinforcemet learning ...
  • Shokri M, Tizhoosh H (2008) A reinforcemet agent for threshold ...
  • B. Cassin, S.A.B. Solomon, Dictionary of Eye Terminology, 2nd ed., ...
  • L.K. Huang, M.J.J. Wang, Image thresholding by minimizing the measures ...
  • H. Yan, Unified formulation of a class of image thresholding ...
  • R.S. Sutton, A.G. Barto, Reinforcement Learning: An Introduction, MIT Press, ...
  • A. Ayesh, Emotionally motivated reinforcement learning based controller, in: Proceedings ...
  • S. Gadanho, Reinforcement learning in autonofmous robots: an empirical investigation ...
  • L.P. Kaelbling, M.L. Littman, A.W. Moore, Reinforcement learning: a survey, ...
  • WebLink, , database [Online] Availab : http ://www .isi _ ...
  • J.V.B. Soares, J.J.G. Leandro, R.M. Cesar, H.F. Jelinek, M.J. Cree, ...
  • TW, Ridler Calvard, "Picture thresholding using an iterative selection method, ...
  • Fraz, M. M, Barman, S. A., Remagnino, P, Hoppe, A., ...
  • F. Zana, J.C. Klein, "Segmentation of vessel-like patterns using mathematict ...
  • M.M. Fraz, M.Y. Javed, A. Basit, "Retinal Vessels Extraction Using ...
  • M.E. Martinez -Perez, A.D. Hughes, A.V. Stanton, S.A. Thom, A.A. ...
  • J. Xiaoyi, D. Mojon, "Adaptive local thresholding by verific ationbased ...
  • نمایش کامل مراجع