تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله یک رویکرد خودکار مبتنی بر گراف برای طبقه بندی سرخرگ / سیاهرگ در تصاویر شبکیه ‌ای – نشریه IEEE

عنوان فارسی: یک رویکرد خودکار مبتنی بر گراف برای طبقه بندی سرخرگ / سیاهرگ در تصاویر شبکیه ‌ای
عنوان انگلیسی: An Automatic Graph-Based Approach for Artery/Vein Classification in Retinal Images
تعداد صفحات مقاله انگلیسی : 11 تعداد صفحات ترجمه فارسی : 29
سال انتشار : 2014 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 169 رفرنس : دارد
محتوای فایل : zip حجم فایل : 5.15Mb
رشته های مرتبط با این مقاله: مهندسی پزشکی، سایبرنتیک پزشکی و پزشکی
گرایش های مرتبط با این مقاله: چشم پزشکی و پردازش تصاویر پزشکی
مجله: تراکنش ها در پردازش تصویر - TRANSACTIONS ON IMAGE PROCESSING
دانشگاه: موسسه مهندسی پزشکی و دانشکده فنی، دانشگاه پورتو، پرتغال
کلمات کلیدی: طبقه‌بندی سرخرگ/سیاهرگ، گراف، تصاویر شبکیه‌ای، بخش‌بندی رگی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
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

نمونه متن انگلیسی

Abstract

The classification of retinal vessels into artery/vein (A/V) is an important phase for automating the detection of vascular changes, and for the calculation of characteristic signs associated with several systemic diseases such as diabetes, hypertension, and other cardiovascular conditions. This paper presents an automatic approach for A/V classification based on the analysis of a graph extracted from the retinal vasculature. The proposed method classifies the entire vascular tree deciding on the type of each intersection point (graph nodes) and assigning one of two labels to each vessel segment (graph links). Final classification of a vessel segment as A/V is performed through the combination of the graph-based labeling results with a set of intensity features. The results of this proposed method are compared with manual labeling for three public databases. Accuracy values of 88.3%, 87.4%, and 89.8% are obtained for the images of the INSPIREAVR, DRIVE, and VICAVR databases, respectively. These results demonstrate that our method outperforms recent approaches for A/V classification.

نمونه متن ترجمه

چکیده

طبقه‌بندی رگ‌‌های شبکیه‌ای به سرخرگ/سیاهرگ (AV)، یک مرحله‌ی مهم برای خودکار کردن کشف تغییرات عروقی، و برای محاسبه‌ی علامات مشخصه مربوط به چندین بیماری سیستمیک از قبیل دیابت، فشار خون و سایر شرایط قلب و عروقی است. این مقاله، یک رویکرد خودکار را برای طبقه‌بندی A/V بر اساس تجزیه و تحلیل یک گراف استخراج شده از عروق شبکیه‌ای ارائه می‌دهد. روش ارائه شده، کل درخت عروقی را با در نظر گرفتن نوع هر نقظه‌ی اشتراک (ندهای گراف) و اختصاص یکی از دو برچسب به هر بخش رگی (لینک‌های گراف) طبقه‌بندی می‌کند. طبقه‌بندی نهایی یک بخش رگی به عنوان A/V از طریق ترکیب نتایج برچسب‌دهی مبتنی بر گراف با یک مجموعه از ویژگی‌های شدتی (کثرتی) انجام می‌شود. نتایج این روش ارائه شده با برچسب گذاری دستی برای سه پایگاه داده‌ی عمومی مقایسه می‌شوند. مقادیر درستی ۸۸/۳ درصد، ۸۷/۴ درصد و ۸۹/۸ درصد به ترتیب برای تصاویر پایگاه‌های داده‌ی INSPIREAVR، DRIVE و VICAVR به دست می‌آیند. این نتایج نشان می‌دهند که روش ما بهتر از رویکردهای اخیر برای طبقه‌بندی A/V عمل می‌کنند.