این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۴، شماره ۲، صفحات ۱-۱۷
عنوان فارسی طبقه‌بندی عروق شبکیه‌ی چشم در تصاویر فوندوس بر پایه‌ی ویژگی‌های ساختاری، جهتی و فرکانسی و بهینه‌سازی با استفاده از الگوریتم ژنتیک تاگوچی
چکیده فارسی مقاله بیماری‌هایی چون دیابت، فشار خون بالا و اختلال‌هایی با منشأ مغزی بر عروق شبکیه‌ی  چشم انسان تاثیر می‌گذارند. با استفاده از طبقه‌بندی عروق شبکیه به دو گروه سرخرگ و سیاهرگ، می‌توان وجود و میزان پیشرفت بیماری‌ها را ارزیابی نمود. در این مقاله، یک الگوریتم تفکیک عروق خونی شبکیه براساس ویژگی‌های ساختاری، جهتی و فرکانسی و بهینه‌سازی ویژگی مبتنی بر الگوریتم ژنتیک تاگوچی ارائه شده است. برای این منظور، با هدف طبقه‌بندی رگ‌ها در تصاویر فوندوس ، ابتدا عروق ناحیه‌بندی و جداسازی می‌شوند. در این الگوریتم، جهت استخراج اطلاعات هم‌زمان مربوط به جهت، قطر و رفتار دینامیکی انحناء رگ، ویژگی‌های جدیدی برپایه‌ی تبدیل موجک گسسته با بهره‌گیری از مفهوم آنتروپی در ضرایب موجک گسسته و روش آنتروپی موجک جهتی و تبدیل فوریه با کمک توصیفگرهای فوریه  ارائه شده است. همچنین ویژگی دوبعدی قطاع‌های تشابه فرکانسی جهت بیان و استخراج تغییرات ضخامت و راستای رگ معرفی شده است. پس از استخراج بردار ویژگی، با استفاده از مدل ترکیبی الگوریتم ژنتیک همراه با استراتژی تاگوچی ویژگی‌های بهینه انتخاب می‌شوند. سپس با بهره‌گیری از طبقه‌بند شبکه عصبی چندلایه، عروق  به دو کلاس سرخرگ و سیاهرگ طبقه‌بندی می‌شوند. درنهایت، نرخ صحت 82/09% و نرخ دقت 81/58% به‌طور هم‌زمان در کلاس‌بندی عروق شبکیه‌ی چشم بر روی یک پایگاه داده تصاویر فوندوس شبکیه چشم شامل 40 تصویر حاصل می‌گردد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Retinal Blood Vessel Classification in Fundus Images Based on Structural, Directional and Frequency Features and Optimization with Tagouchi Genetic Algorithm
چکیده انگلیسی مقاله Human diseases such as diabetes, high blood pressure and the cerebral source disorders have effects on the retina vessels of human's eyes. By classifying the retina vessels as two sets of arteries and veins, it can be evaluated the progress and symptoms of mentioned diseases. In this paper, a retinal blood vessel classification algorithm based on structural, directional and frequency features along with feature optimization using Tagouchi genetic algorithm is proposed. For this purpose, to classify the vessels in fundus images, at first the vessels are segmented. In this algorithm, to extract simultaneously information related to direction, diameter and dynamical behavior of the blood vessel, a novel feature based on wavelet transform using entropy contents of DWT and Directional Wavelet Entropy (DWE), Fourier transform using Fourier descriptors have been presented. Also 2-D Frequency Similarity Sectors (2DFSS) is introduced to represent and describe the variations of thickness and direction of the blood vessel. After extracting the feature vector using hybrid model of Genetic algorithm and Tagouchi strategy, the optimal features are selected. Then by employing the multi-layer neural network classifier, the vessels are recognized into arteries and veins classes. With these represented attributes, the classification is performed based on the structure and direction of vessels. Ultimately, the accuracy rate of 82.09% and precision rate of 81.58% are simultaneously obtained in problem of the retinal vessel recognition on a database consisting of 40 images.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله گل نوش حامدنژاد | حامدنژاد
مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی و دانشکده مهندسی برق واحد نجف آباد، دانشگاه آزاد اسلامی
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نجف آباد (Islamic azad university of najafabad)

حسین پورقاسم |
مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی و دانشکده مهندسی برق واحد نجف آباد، دانشگاه آزاد اسلامی
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نجف آباد (Islamic azad university of najafabad)

نشانی اینترنتی http://jmvip.sinaweb.net/article_41107_9ba10c984343f72a17c54c903a432fda.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-558270.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات