جداسازی رگ های خونی از تصاویر رنگی شبکیه با روشی مبتنی بر فیلتر سازگار

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 806

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEICONF01_088

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

بررسی اتوماتیک رگ های شبکیه نقش بسیار زیادی در تشخیص برخی بیماری ها از جمله بیماری های سیستماتیک دارد.از جمله ی این بیماری ها می توان به بیماری های قلبی و عروقی، بیماری های مربوط به چشم پزشکی مانند تصلب شرایین ونو رگ زایی مشیمیه یا کورویید، همچنین رتینوپاتی مربوط به دیابت، و شناسایی ناحیه ی فاقد رگ خونی یا حفره اشارهکرد. از آنجایی که این بیماری ها نیاز به تشخیص در مراحل ابتدایی دارند غربال گری عمومی برای درمان موثر و سریع آنهالازم و ضروری است. جداسازی اتوماتیکی و دقیق رگ های خونی شبکیه امروزه یک مساله چالش برانگیز از طریقبررسی های کامپیوتری تصاویر فونداس است. در این مقاله مفهوم فیلتر سازگار بهبود داده شده و یک روش جدید برایجداسازی رگ های خونی شبکیه ارایه شده است. هدف جداسازی رگ های خونی با قطر رگ های متفاوت در تصاویرفونداس رنگی با وضوح بالاست. به طوری که برای هر عرض رگ مختلف یک فیلتر سازگار به وسیله اندازه گیری پروفایلشدت روشنایی عمود بر رگ ایجاد می شود و با ایجاد همبستگی بین تصویر و فیلترهای سازگار در جهات مختلف بیشترینپاسخ این فیلترها به دست می آید. در نهایت با آستانه گذاری مناسب، درخت عروق خونی رگ ها استخراج می شود. در اینمقاله از پایگاه داده DRIVE حاوی تصاویر فونداس از شبکیه سالم و بیمار استفاده شده است. کارایی الگوریتم با استفاده از سه مقیاس متفاوت شامل صحت، حساسیت و دقت اندازه گیری شده است. نتایج تجربی نشان می دهد که روش پیشنهادی به ترتیب به میانگین حساسیت 83 درصد، دقت 95 درصد و صحت 94 درصد روی پایگاه داده DRIVE رسیده است. در نهایت نتایج حاصل با روش مشابه ای مقایسه شده و مقایسه نتایج حاکی از برتری این روش در جداسازی رگ های خونی شبکیه است.

نویسندگان

فهیمه عنصرودی

کارشناسی ارشد هوش مصنوعی، دانشگاه نبی اکرم- تبریز

میرهادی سیدعربی

دانشیار دانشکده ی برق، دانشگاه تبریز- تبریز

حامد نجارپورجباری

کارشناسی نرم افزار، دانشگاه آزاد اسلامی- شبستر

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 :
  • Brown G, McNamara J and et al., Color atlas and ...
  • Ciulla T, Regillo C and Harris H, Retina and optic ...
  • Varma R, Steinmann C and Scott U, Expert agreement in ...
  • Tuo J, Ning B, Bojanowski C, Lin Z. Synergic effect ...
  • Bock R, Meier J, Nyul G, Hornegger J, Michelson G, ...
  • Wang J, Klein R, Rochtchina E, Knudston M, Retinal vessel ...
  • Fleming A, Philip S, Goatman K, Olson J, Automated microaneurysm ...
  • Fraz M, Remagnino P, Hoppe A, Blood vessel segmentation methodologies ...
  • Mendonca A, Campilho A, Segmentation of retinal blood vessels by ...
  • Internationa Congress on Engineering Innovation And Technology Development 19 May ...
  • Vlachos M, Dermatas E, Multi-scale retinal vessel segmentation using line ...
  • Tramontan L, Poletti E, Fiorin E and Ruggeri A, A ...
  • Staal J, Abramoff M, Niemijer M, Ridge-based vessel segmentation in ...
  • Whitney A, A direct method of non parametric measuremem selecselection, ...
  • Chaudhuri S, Chatterjee S, Katz N, Nelson M, Detection of ...
  • Min Th, Park RH, Eyelid and eyelash detection method in ...
  • Sezgin M, Sankur B, Survey over image thresholding techniques and ...
  • Odstrilik J, Kolar R, Budai A, Joachim H, Retinal vessel ...
  • نمایش کامل مراجع