ترجمه مقاله یک رویکرد خودکار مبتنی بر گراف برای طبقه بندی سرخرگ / سیاهرگ در تصاویر شبکیه ای – سال 2014
مشخصات مقاله:
عنوان فارسی مقاله:
یک رویکرد خودکار مبتنی بر گراف برای طبقه بندی سرخرگ / سیاهرگ در تصاویر شبکیه ای
عنوان انگلیسی مقاله:
An Automatic Graph-Based Approach for Artery/Vein Classification in Retinal Images
کلمات کلیدی مقاله:
طبقهبندی سرخرگ/سیاهرگ، گراف، تصاویر شبکیهای، بخشبندی رگی
مناسب برای رشته های دانشگاهی زیر:
مهندسی پزشکی، سایبرنتیک پزشکی و پزشکی
مناسب برای گرایش های دانشگاهی زیر:
چشم پزشکی و پردازش تصاویر پزشکی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
۱.پیشگفتار
۲.روشهایی برای طبقهبندی A/V
۳.روش طبقهبندی A/V مبتنی بر گراف
A.تولید گراف
B.تجزیه و تحلیل گراف
C. طبقهبندی A/V
۴.نتایج
A.مجموعه دادههای INSPIRE-AVR
B.مجموعه دادهی DRIVE
C.پایگاه دادهی VICAVR
۵.نتیجهگیری
قسمتی از مقاله انگلیسی و ترجمه آن:
I. INTRODUCTION
AUTOMATED detection of retinopathy in eye fundus images using digital image analysis methods has huge potential benefits, allowing the examination of a large number of images in less time, with lower cost and reduced subjectivity than current observer-based techniques. Another advantage is the possibility to perform automated screening for pathological conditions, such as diabetic retinopathy, in order to reduce the workload required of trained manual graders [1]. Retinal vessels are affected by several systemic diseases, namely diabetes, hypertension, and vascular disorders. In diabetic retinopathy, the blood vessels often show abnormalities at early stages [2], as well as vessel diameter alterations [3]. Changes in retinal blood vessels, such as significant dilatation and elongation of main arteries, veins, and their branches [3], [4], are also frequently associated with hypertension and other cardiovascular pathologies.
۱.پیشگفتار
تشخیص خودکار رتینوپاتی (راه شبکیهای) در تصاویر فوندوس چشم با استفاده از روشهای تجزیه و تحلیل تصویر دیجیتال دارای مزایای بالقوهی بسیاری است که بررسی تعدادی عظیمی از تصاویر را در زمان کم، با هزینهی اندک و کاهش ذهنیت نسبت به تکنیکهای مبتنی بر مشاهدهگر فعلی، ممکن میسازد. یک مزیت دیگر، امکان انجام غربالگری خودکار برای شرایط بیمار شناسی مانند رتینوپاتی دیابتی، به منظور کاهش بار کاری مورد نیاز برای موتورهای حرفهای دستی آموزش دیده است (۱).
سیاهرگهای شبکیهای تحت تاثیر چندین بیماری سیستمیک یعنی دیابت، فشار خون و بیماریهای عروقی هستند. در رتینوپاتی دیابت، رگهای خونی اغلب بی نظمیهایی را در سطوح اولیه (۲)، و همچنین تناوبهای قطر رگ (۳)، نشان میدهند. تغییرات در رگهای خونی شبکیهای، مانند انبساط قابل توجه و افزایش طول سرخرگهای اصلی، سیاهرگها و شاخههایشان، همچنین به کرّات همراه با فشار خون و سایر بیماریهای قلبی و عروقی هستند.