توجه                                                                                                                         توجه

کلیه پایان نامه ها چکیده رایگان داشته و در اختیار شما قرار گرفته است.

در صورتی که نیاز به فایل Word و یا PDF  کامل این مطالب دارید، به قسمت خرید پایان نامه وارد بشوید .

سیستم کمک تشخیص بیماری قند بر اساس تصاویر شبکیه

(130صفحه/ 5 فصل/Word & PDF)

چکیده

امروزه پردازش تصاویر دیجیتالی شبکیه به عنوان یک ابزار معمول، مفید و قدرتمند جهت بررسی بیماری دیابت شبکیه متداول گردیده است. سازمان بهداشت جهانی تخمین زده است که 135 میلیون انسان در سراسر جهان دارای بیماری دیابت قندی می باشند و تعداد آنها تا سال 2025 به 300 میلیون نفر افزایش پیدا خواهد کرد. رتینوپاتی دیابتی با ایجاد تغییرات روی ساختار عروقی شبکیه، یکی از علل اصلی نابینایی در افراد بالغ به شمار می آید. تشخیص این ضایعات به تجزیه و تحلیل دقیق و پیچیدۀ متخصصین چشم پزشکی نیاز دارد. برای کاهش ضایعات ناشی از رتینوپاتی دیابتی روی شبکیه، لازم است تصاویر شبکیه هر شش ماه یکبار مورد معاینه و تحلیل قرار گیرد. تشخیص زود هنگام تغییرات در ساختار عروق می تواند از مشکلات جدی مانند از دست رفتن بینایی جلوگیری کند، از این رو طراحی سیستم های کمک تشخیص بیماری رتینوپاتی دیابتی بسیار مورد توجه قرار گرفته است. هدف از این تحقیق ارائه روشی جهت تشخیص بیماری رتینوپاتی دیابتی در مراحل اولیه آن می باشد، از این رو لازم است علائم اولیه بیماری دیابت، یعنی میکروانوریسم ها مورد تجزیه و تحلیل قرار گیرند. در این تحقیق دو الگوریتم متفاوت جهت شناسایی عروق خونی با رویکرد کلاسبندی با مربی و همچنین روشی جهت شناسایی ضایعات میکروانوریسمی با رویکرد کلاسبندی بدون مربی مورد بررسی قرار خواهد گرفت. در الگوریتم اول به کمک شبکه های عصبی رو به جلو با روش انتشار رو به عقب پیکسل های تصویر به دو دسته پیکسل های عروقی و غیر عروقی طبقه بندی
می شوند. در این طبقه بندی بردار مشخصه استخراج شده از تصویر حاوی دو دسته اطلاعات می باشد که شامل شدت رنگ هر پیکسل و پاسخ تبدیل موجک مورلت دوبعدی پیوسته که در یک یا چند مقیاس محاسبه شده است. در الگوریتم دوم (شناسایی ضایعات میکروانوریسمی)، بعد از انجام مراحل پیش پردازش با اعمال تبدیل هاف حلقوی مرکز میکروانوریسم ها و به کمک تکنیک رشد ناحیه کل ناحیه مربوط به ضایعه میکروانوریسمی شناسایی می شوند. در روش های موجود برای شناسایی میکروانوریسم ها لازم است ابتدا
رگ های موجود در سطح شبکیه شناسایی و از زمینه تصویر حذف گردد. در روش ارائه شده به دلیل حذف مرحله تشخیص عروق که بسیار زمانبر می‌باشد سرعت بسیار افزایش یافته است. در ضمن با داشتن قابلیت جستجوی بخش هایی با شعاع معین، مقادیر مثبت کاذب و مثبت حقیقی نسبت روش های قبلی بهبود یافته است. این روش قابلیت شناسایی ضایعات در تصاویر با کیفیت پایین را نیز دارا می باشد.

 

چکیده

امروزه پردازش تصاویر دیجیتالی شبکیه به عنوان یک ابزار معمول، مفید و قدرتمند جهت بررسی بیماری دیابت شبکیه متداول گردیده است. سازمان بهداشت جهانی تخمین زده است که 135 میلیون انسان در سراسر جهان دارای بیماری دیابت قندی می باشند و تعداد آنها تا سال 2025 به 300 میلیون نفر افزایش پیدا خواهد کرد. رتینوپاتی دیابتی با ایجاد تغییرات روی ساختار عروقی شبکیه، یکی از علل اصلی نابینایی در افراد بالغ به شمار می آید. تشخیص این ضایعات به تجزیه و تحلیل دقیق و پیچیدۀ متخصصین چشم پزشکی نیاز دارد. برای کاهش ضایعات ناشی از رتینوپاتی دیابتی روی شبکیه، لازم است تصاویر شبکیه هر شش ماه یکبار مورد معاینه و تحلیل قرار گیرد. تشخیص زود هنگام تغییرات در ساختار عروق می تواند از مشکلات جدی مانند از دست رفتن بینایی جلوگیری کند، از این رو طراحی سیستم های کمک تشخیص بیماری رتینوپاتی دیابتی بسیار مورد توجه قرار گرفته است. هدف از این تحقیق ارائه روشی جهت تشخیص بیماری رتینوپاتی دیابتی در مراحل اولیه آن می باشد، از این رو لازم است علائم اولیه بیماری دیابت، یعنی میکروانوریسم ها مورد تجزیه و تحلیل قرار گیرند. در این تحقیق دو الگوریتم متفاوت جهت شناسایی عروق خونی با رویکرد کلاسبندی با مربی و همچنین روشی جهت شناسایی ضایعات میکروانوریسمی با رویکرد کلاسبندی بدون مربی مورد بررسی قرار خواهد گرفت. در الگوریتم اول به کمک شبکه های عصبی رو به جلو با روش انتشار رو به عقب پیکسل های تصویر به دو دسته پیکسل های عروقی و غیر عروقی طبقه بندی
می شوند. در این طبقه بندی بردار مشخصه استخراج شده از تصویر حاوی دو دسته اطلاعات می باشد که شامل شدت رنگ هر پیکسل و پاسخ تبدیل موجک مورلت دوبعدی پیوسته که در یک یا چند مقیاس محاسبه شده است. در الگوریتم دوم (شناسایی ضایعات میکروانوریسمی)، بعد از انجام مراحل پیش پردازش با اعمال تبدیل هاف حلقوی مرکز میکروانوریسم ها و به کمک تکنیک رشد ناحیه کل ناحیه مربوط به ضایعه میکروانوریسمی شناسایی می شوند. در روش های موجود برای شناسایی میکروانوریسم ها لازم است ابتدا
رگ های موجود در سطح شبکیه شناسایی و از زمینه تصویر حذف گردد. در روش ارائه شده به دلیل حذف مرحله تشخیص عروق که بسیار زمانبر می‌باشد سرعت بسیار افزایش یافته است. در ضمن با داشتن قابلیت جستجوی بخش هایی با شعاع معین، مقادیر مثبت کاذب و مثبت حقیقی نسبت روش های قبلی بهبود یافته است. این روش قابلیت شناسایی ضایعات در تصاویر با کیفیت پایین را نیز دارا می باشد.

Abstract

The application of digital imaging in ophthalmology has now provided the possibility of processing retinal images to assist clinical diagnosis and treatment. The World Health Organisation expects the number of diabetics to increase from 135 million to 300 million over the next 25 years. Diabetic retinopathy is a major cause of adult blindness due to changes in blood vessel structure and distribution. This vessel growth and requires laborious analysis from a specialist. Endeavoring to reduce the effect of proliferative diabetic retinopathy includes obtaining and analyzing images of the optic fundus. This must be done at regular intervals such as every six months to a year. Early recognition of changes to the blood vessel patterns can prevent major vision loss as early intervention becomes possible. To provide the opportunity for initial assessment, computer based analysis has been introduced. In this research we propose two different approaches of supervised pixel classification of retinal vessel and the detection of Microaneurysm. The first method is based on the analysis of feature vectors extracted from a prototype image, to classify pixels as vessel or non-vessel, using a multilayer feed forward neural network. The feature vectors are composed of the pixels’ intensity and a continuous two-dimensional Morlet wavelet transform of multiple scales. In the second approach (detecting Microaneurysms) after preprocessing for smoothing and noise removal, circular Hough transform has been used to specify the center of each lesion‘s region. Using these centers as a seed for region growing step, the whole region of Microaneurysms will be detected. The improvements of the proposed scheme over the other traditional schemes in the literature, is removing the step of vessel removal which result in high speed and performance

 

برای دریافت pdf + word بر روی کلیدزیر ،کلیک نمایید .

 

۶ دیدگاه. Leave new

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Fill out this field
Fill out this field
لطفاً یک نشانی ایمیل معتبر بنویسید.
You need to agree with the terms to proceed

هجده + 6 =