بررسی عملکرد لایه های مختلف مدل سلسله مراتبی ماکزیمم در شناسایی تصاویر شبکیه چشم
- سال انتشار: 1397
- محل انتشار: کنفرانس ملی تحقیقات نوین در مهندسی برق،کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: ECIT01_193
- زبان مقاله: فارسی
- تعداد مشاهده: 442
نویسندگان
کارشناسی ارشد مهندسی پزشکی، دانشگاه آراد اسلامی واحد قزوین،قزوین،ایران
هیات علمی گروه مهندسی پزشکی دانشگاه آزاد اسلامی قزوین،قزوین،ایران
چکیده
یکی از سیستم های پردازش در علم مهندسی پزشکی، مدل سیستم پردازش قشر بینایی مغز می باشد.این سیستم به صورت لایه ای می باشد که این لایه ها به ترتیب شامل شبکیه،فیبرهای عصب بینایی، هسته زانویی عرضی (LGN) و سلول های ساده و پیچیده نواحی قشر بینایی مغز می باشند. هر کدام از این لایه ها و سلول ها،اطلاعات و ویژگی هایی از تصویر مشاهده شده توسط انسان را استخراج می کنند که در نهایت به شناسایی آن تصویر منجر می شود. در این مقاله، با الهام از سیستم پردازش قشر بینایی مغز، مدل سلسله مراتبی ماکزیمم (HMAX) بررسی می شود.HMAX یک مدل ریاضی و محاسباتی از سیستم پردازش قشر بینایی میBباشد. مدلHMAX شامل چهار لایه ی پشت سر هم می باشد که نمایانگر سلول های ساده و پیچیده قشر بینایی است. هدف از ارایه این مقاله،بررسی عملکرد چهار لایه ی HMAX درشناسایی تصاویر شبکیه جشم می باشد.در این مقاله لایه های مختلف مدل HMAX ، جهت شناسایی تصاویر شبکیه افراد بیمار ازشبکیه افراد سالم بررسی می شود که در نهایت با اعمال روش بهینه HMAX برروی این تصاویر و مقایسه آن با آخرین نتایج مقالات و روشها در این حوزه، مشاهده شد که با اعمال فیلترها و روشهای بهینه ،%9بهبود در دقت طبقه بندی ایجاد شده است.بنابراین این مدل HMAX ذکر شده در مقایسه با مدل های قبلی،در شناسایی تصاویر موثرتر بوده است.کلیدواژه ها
قشر بینایی، سلسله مراتبی HMAX، شناسایی تصاویر، استخراج ویژگی،طبقه بندیمقالات مرتبط جدید
- ارائه روشی مبتنی بر تشخیص ناهنجاری به منظور کشف حملات باتنت های Gafgyt و Mirai در شبکه های اینترنت اشیاء
- پیاده سازی یک زنجیره بلوکی برای دوقلوی دیجیتال یک سیستم رایانشی فیزیکی
- طرح احراز هویت متقابل برای شبکه های حسگر بی سیم در محیط کلان داده بر خط
- بهبود کارایی الگوریتم رمزنگاری پساکوانتوم BR LWE در دستگاه های اینترنت اشیا
- ساختمان های هوشمند همیشه متصل برای امنیت توزیع شده
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.