ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Vessel Segmentation in Coloured Retinal Fundus Images Based on Multi-scale Analysis

سال انتشار: 1397
کد COI مقاله: SPIS04_061
زبان مقاله: انگلیسیمشاهد این مقاله: 143
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله Vessel Segmentation in Coloured Retinal Fundus Images Based on Multi-scale Analysis

چکیده مقاله:

Retinal diseases are already the most common cause of childhood blindness worldwide. Accordingly, it would be extensively beneficial to humans and healthrelatedcommunities if we could automate the procedure of diagnosis thoroughly or at least partially by exploiting capabilities of computer-aided diagnosis (CAD). This paper proposes two segmentation methods, supervised method and an unsupervised one, which shall expertly tackle the problem of vessel segmentation in retinal fundus images. Our unsupervised method exploits the power of multiscale spatial filters to locate and detect different types of vessels in terms of vessel diameter. Furthermore, we proposed novel denoising filter to overcome challenge called FOV’s tangential ring effectively. In our supervised algorithm, we combined the unsupervised method with support-vector machine (SVM) classifier, in which samples’ features are produced using feature-fusion technique. Dataset used in this research is the public DRIVE (Digital Retinal Images for Vessel Extraction) dataset. We have also addressed another challenging problem with solution that is dataset independent, the challenge of generating mask for retinal coloured images. Our supervised method has achieved higher accuracy of 94.48%, and our unsupervised method has achieved an accuracy of 94.28% with response time of 1.65 second providing human operators or automatic systems with fast and reliable results.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842976/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Dastgheib, Mohammad Ali and Seyedin, Sanaz,1397,Vessel Segmentation in Coloured Retinal Fundus Images Based on Multi-scale Analysis,چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند,تهران,,,https://civilica.com/doc/842976

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Dastgheib, Mohammad Ali؛ Sanaz Seyedin)
برای بار دوم به بعد: (1397, Dastgheib؛ Seyedin)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی