شناسایی ضایعات شبکیه ناشی از دیابت رتینوپاتی با استفاده از الگوریتم PSO

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 721

فایل این مقاله در 20 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:

IRCEM01_201

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

یکی از علامت های شایع دیابت، دیابت رتینوپاتی می باشد که اگر به موقع تشخیص و درمان نشود، موجب نابینایی می شود.درحال حاضر آنالیز تصاویر شبکیه برای تشخیص بیماری دیابت رتینوپاتی مورد استفاده قرار می گیرد. با رشد روزافزون افرادمبتلا به دیابت و فشارخون در جامعه ی انسانی و همچنین تأثیر این بیماری بر روی شبکیه ی چشم انسان، شناسایی دیابترتینوپاتی که همان شناسایی اگزودا، میکرو آنوریسم و خونریزی می باشد از اهمیت ویژه ای برخوردار است. در این مقاله قصدبه منظور ناحیه بندی تصاویر رنگی با استفاده از روش آستانه گذاری چند (PSO) داریم از الگوریتم بهینه سازی ازدحام ذراتسطحی استفاده کنیم. پس از ناحیه بندی، ضایعات شبکیه با استفاده از لبه یاب کنی شناسایی می شوند و به سه دسته یمیکروآنوریسم، خونریزی و اگزودا طبقه بندی می شوند. متد ناحیه بندی پیشنهادی برای 89 تصویر از پایگاه داده ی diaretdb1که نقاط مربوط به ضایعات آنها توسط چشم پزشک مشخص شده بود، بکار گرفته شده و کارائی به دست آمده ی آن نیز عملکردبهتری از نتایج به دست آمده از متدهای قبلی دارد و به ترتیب دقت و ویژگی برابر با 99,99 % و 100 % برای شناساییمیکروآنوریسم، 99 % و 99 % برای شناسایی خونریزی و 99 ٪ و 98 ٪ برای شناسایی اگزودا را دارا می باشد.

نویسندگان

مرضیه سلیمیان

دانشجوی کارشناسی ارشد دانشکده کامپیوتر- واحد نجف آباد- دانشگاه آزاد اسلامی- نجف آباد- ایران

سعید نصری

استادیار دانشکده برق- واحد نجف آباد- دانشگاه آزاد اسلامی– نجف آباد- 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 :
  • Akram, M.U., Khalid, S., Tariq, A, Khan, S. A., & ...
  • Azarbad, M., Ebrahimzadeh, A, & Babaj ani-Feremi, A .(20 1 ...
  • Esmin, A. A., Coelho, R. A., & Matwin, S. (2015). ...
  • Farzin, H., Abrishami-M ghaddam, H., & Moin, M.-S. (2008). A ...
  • Ghamisi, P., Couceiro, M. S., Benediktsson, J. A., & Ferreira, ...
  • Hatanaka, Y., Inoue, T., Okumura, S., Muramatsu, C., & Fujita, ...
  • Junior, S. B., & Welfer, D. (2013). Automatic detection of ...
  • Kavitha, S., & Duraiswamy, K. (2011). Automatic detection of hard ...
  • Kennedy, J. (2011). Particle Swarm optimization Encyclopedia of machine learning ...
  • Putra, R. E., Tjandrasa, H., & Suciati, N. (2014). Hemorrhage ...
  • Saleh, M. D., & Eswaran, C. (2012). An automated de ...
  • Sinthanayothin, C., Boyce, J., Williamson, T., Cook, H., Mensah, E., ...
  • Walter, T., Massin, P., Erginay, A., Ordonez, R., Jeulin, C., ...
  • Wilson, E. (1975). Sociobiology, the new synthesis Belknap Press. Cambridge, ...
  • Xian-cheng, Z. (2009). Image Segmentation Based on Modified Particle Swarm ...
  • نمایش کامل مراجع