تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله سیستم پشتیبانی تصمیم هوشمند مویابل محور برای تشخیص بیماری شبکیه ای – نشریه الزویر

عنوان فارسی: سیستم پشتیبانی تصمیم هوشمند مویابل محور برای تشخیص بیماری شبکیه ای
عنوان انگلیسی: An intelligent mobile based decision support system for retinal disease diagnosis
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : 20
سال انتشار : 2014 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 8011 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.17Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر، سایبرنتیک پزشکی، پزشکی و مهندسی پزشکی
گرایش های مرتبط با این مقاله: هوش مصنوعی، پردازش تصاویر پزشکی و چشم پزشکی
مجله: سیستم های پشتیبانی تصمیم - Decision Support Systems
دانشگاه: گروه هوش محاسباتی، گروه علوم کامپیوتر و فناوری دیجیتال، دانشکده مهندسی و محیط زیست، انگلستان
کلمات کلیدی: بیماری های شبکیه، شبکه های عصبی، برنامه های موبایل برای محیط های اندروید، تجزیه و تحلیل تصویر شبکیه، روش جذر
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده 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

1 – مقدمه

2 – کار های مربوطه

2-1 کاربرد های تشخیص مبتنی بر دسکتاپ

2-2 سیستم های تشخیص مبتنی بر موبایل

2-3 بهینه سازی سیستم

3- سیستم تشخیص هوشمند بیماری شبکیه ای مبتنی بر موبایل

4 – نتایج و آزمایشات

5 – نتیجه گیری

نمونه متن انگلیسی

Abstract

Diabetes and Cataract are the key causes of retinal blindness for millions of people. Current detection of diabetes and Cataract from retinal images using Fundus camera is expensive and inconvenient since such detection is not portable and requires specialists to perform an operation. This paper presents an innovative development of a low cost Smartphone based intelligent system integrated with microscopic lens that allows patients in remote and isolated areas for regular eye examinations and disease diagnosis. This mobile diagnosis system uses an artificial Neural Network algorithm to analyze the retinal images captured by the microscopic lens to identify retinal disease conditions. The algorithm is first of all trained with infected and normal retinal images using a personal computer and then further developed into a mobile-based diagnosis application for Android environments. The application is optimized by using the rooted method in order to increase battery lifetime and processing capacity. A duty cycle method is also proposed to greatly improve the energy efficiency of this retinal scan and diagnosis system in Smartphone environments. The proposed mobile-based system is tested and verified using two well-known medical ophthalmology databases to demonstrate its merits and capabilities. The evaluation results indicate that the system shows competitive retinal disease detection accuracy rates (N87%). It also offers early detection of retinal diseases and shows great potential to be further developed to identify skin cancer.

نمونه متن ترجمه

چکیده

بیماری مرض قند و آب مروارید از جمله علت های کلیدی کوری شبکیه ای برای میلیون ها انسان می باشند . آشکارسازی اخیر بیماری دیابت و آب مروارید از تصاویر شبکیه ای با استفاده از دوربین فوندوس گران و مشکل ساز می باشد چون چنین آشکارسازی قابل حمل نمی باشد و به متخصصان برای اجرای عملیات نیاز دارد . مقاله حاضر یک توسعه نوآورانه از سیستم هوشمند مبتنی بر تلفن هوشمند کم هزینه یکی شده با لنزهای میکروسکوپی را معرفی می کند که امکان سنجش بیماران از راه دور و مناطق دور دست را برای تشخیص بیماری و بررسی های منظم چشم فراهم می کند . این سیستم تشخیص مویابل از الگوریتم شبکه عصبی مصنوعی برای تحلیل تصاویر شبکیه ای گرفته شده از طریق لنز های میکروسکوپی استفاده می کند تا شرایط بیماری شبکیه ای را شناسایی نماید . اول از همه الگوریتم با استفاده از کامپیوتر شخصی با تصاویر شبکیه ای مبتلاء و عادی آموزش دید و سپس بر طبق تشخیص مبتنی بر مویابل برای محیط های اندروید بیشتر توسعه یافته بود . کار برد از طریق استفاده از روش جذر به منظور افزایش زمان عمر باتری و ظرفیت پردازش بهینه می شود . همچنین روش چرخه وظیفه برای بهبود زیاد راندمان انرژی این اسکن شبکیه ای و سیستم تشخیص در محیط های تلفن هوشمند پیشنهاد می گردد . سیستم مبتنی بر موبایل پیشنهادی تست گردیده و با استفاده از دو مجموعه داده های چشم پزشکی شناخته شده برای اثبات شایستگی ها و قابلیت هایش تایید شده بود . نتایج ارزیابی مشخص می سازند که سیستم نرخ های دقیت آشکار سازی بیماری شبکیه ای رقابتی را نشان می دهد . همچنین آشکار سازی اولیه بیماری های شبکیه ای را ارایه می کند و پتانسیل زیادی را نشان می دهد که بیشتر برای شناسایی سرطان پوست توسعه یافته اند .