عنوان : ( غربالگری خودکار رتینوپاتی دیابتی مبتنی بر موجکهای هندسی )
نویسندگان: سیده الهه ایمانی , حمیدرضا پوررضا , توگا بنایی ,
Full Textچکیده
رتینوپاتی دیابتی یکی از دلایل شایع نابینایی در جهان محسوب میشود. انجام معاینات دورهای و تشخیص به موقع بیماری میتواند مانع از بروز نابینایی در فرد شود. معاینات دورهای شامل تصویربرداری از ته چشم و تحلیل تصاویر توسط افراد متخصص برای مشاهده تغییرات سریع در الگوی عروق خونی و بروز ضایعات مختلف میباشد. این روش معاینه بسیار زمانبر، پرهزینه و نیازمند افراد متخصص میباشد. بنابراین طراحی سیستمی خودکار برای جداکردن تصاویر سالم از تصاویر بیمار و تشخیص رتینوپاتی دیابتی ضروری بنظر میرسد. در این مقاله روشی خودکار برای غربالگری رتینوپاتی دیابتی ارائه شده است که مبتنی بر اطلاعات ساختاری و مورفولوژیکی تصویر میباشد. با توجه به اینکه اجزای سالم و بیمار در تصاویر شبکیه از لحاظ ساختاری و مورفولوژیکی با یکدیگر متفاوت هستند، میتوان با استفاده از تبدیلات مناسب و با بکارگیری الگوریتم تفکیک محتوای تصویر، تصاویر شبکیه را به اجزاء سالم و بیمار جدا کرد. پس از جداسازی ضایعات از عروق، رتینوپاتی دیابتی با استخراج ویژگیهای ناهمگنی، آنتروپی و انحراف از معیار تشخیص داده میشود. به منظور ارزیابی الگوریتم پیشنهادی از بانک استاندارد تصاویر شبکیه MESSIDOR و طبقهبند ماشین بردار پشتیبان و شبکیه عصبی استفاده شده است. نتایج حاصل از ارزیابی نشان میدهد که الگوریتم پیشنهادی توانسته است به مقدار sensitivity برابر با 11.99 % و مقدار specificity برابر با 15.41 % دست یابد.
کلمات کلیدی
, غربالکری رتینوپاتی دیابتی, تبدیلات, تفکیک محتوای تصویر, ماشین بردار پشتیبان و شبکه عصبی
@inproceedings{paperid:1046018,
author = {ایمانی, سیده الهه and پوررضا, حمیدرضا and توگا بنایی},
title = {غربالگری خودکار رتینوپاتی دیابتی مبتنی بر موجکهای هندسی},
booktitle = {نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران},
year = {2014},
location = {تهران, ايران},
keywords = {غربالکری رتینوپاتی دیابتی، تبدیلات، تفکیک محتوای تصویر، ماشین بردار پشتیبان و شبکه عصبی},
}
%0 Conference Proceedings
%T غربالگری خودکار رتینوپاتی دیابتی مبتنی بر موجکهای هندسی
%A ایمانی, سیده الهه
%A پوررضا, حمیدرضا
%A توگا بنایی
%J نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران
%D 2014
