مقاله یک رویکرد خودکار مبتنی بر گراف برای طبقه‌بندی سرخرگ/سیاهرگ در تصاویر شبکیه‌ایAn Automatic Graph-Based Approach for Artery/Vein Classification in Retinal Images

در انبار موجود نمی باشد

مقاله یک رویکرد خودکار مبتنی بر گراف برای طبقه‌بندی سرخرگ/سیاهرگ در تصاویر شبکیه‌ایAn Automatic Graph-Based Approach for Artery/Vein Classification in Retinal Images

25,000 تومان

ژورنال

IEEE

سال انتشار

2014

صفحات فارسی

30 تا 40

صفحات انگلیسی

10 تا 20

نقد و بررسی

مقاله یک رویکرد خودکار مبتنی بر گراف برای طبقه‌بندی سرخرگ/سیاهرگ در تصاویر شبکیه‌ای

چکیده فارسی :

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.

واژه‌های کلیدی: طبقه‌بندی سرخرگ/سیاهرگ، گراف، تصاویر شبکیه‌ای، بخش‌بندی رگی

چکیده انگلیسی :

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.
Index Terms—Artery/vein classification, graph, retinal images, vessel segmentation

ژورنال

IEEE

سال انتشار

2014

صفحات فارسی

30 تا 40

صفحات انگلیسی

10 تا 20

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش

محصولات مرتبط