تقسیم بندی عروق شبکیه چشم بر اساس آشکارساز خطی
ترجمه نشده

تقسیم بندی عروق شبکیه چشم بر اساس آشکارساز خطی

عنوان فارسی مقاله: روش نظارت نشده برای تقسیم بندی عروق شبکیه چشم بر اساس آشکارساز خطی چند مقیاسی و موجک گابور
عنوان انگلیسی مقاله: Unsupervised Method for Retinal Vessel Segmentation Based on Gabor Wavelet and Multiscale Line Detector
مجله/کنفرانس: دسترسی – IEEE Access
رشته های تحصیلی مرتبط: مهندسی پزشکی، مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: پردازش تصاویر پزشکی، بیوالکتریک
کلمات کلیدی فارسی: تقسیم بندی عروق خونی، تصاویر شبکیه ای رنگی، موجک گابور، آشکارساز خطی، پردازش تصویر، روش نظارت نشده، پیش پردازش تصویر
کلمات کلیدی انگلیسی: Blood vessel segmentation, color retinal images, Gabor wavelet, line detector, image processing, unsupervised method, image preprocessing
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1109/ACCESS.2019.2954314
دانشگاه: Department of Electrical and Computer Engineering, COMSATS University Islamabad, Abbottabad 22060, Pakistan
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 4.641 در سال 2018
شاخص H_index: 56 در سال 2019
شاخص SJR: 0.609 در سال 2018
شناسه ISSN: 2169-3536
شاخص Quartile (چارک): Q2 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14039
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


I. Introduction


II. Gabor Wavelet and Line Detector


III. Material and Methods


IV. Results and Discussion


V. Conclusion


Authors


Figures


References

نمونه متن انگلیسی مقاله

Abstract


Eye and systemic diseases are known to manifest themselves in retinal vasculature. Segmentation of retinal vessel is one of the important steps in retinal image analysis. A simple unsupervised method based on Gabor wavelet and Multiscale Line Detector is proposed for retinal vessel segmentation. Vessels are enhanced by linear superposition of first scale Gabor wavelet image and complemented Green channel. Multiscale Line Detector is used to segment the blood vessels. Finally, a simple post processing scheme based on median filtering is deployed to remove false positives. The proposed scheme was evaluated with publicly available datasets called DRIVE, STARE and HRF, obtaining an accuracy of 0.9470, 0.9472, and 0.9559, and a sensitivity of 0.7421, 0.8004, and 0.7207, respectively. These results are comparable to the state-of-the-art methods, albeit with a simpler approach.


Introduction


One of the important tasks in diagnosing different medical conditions such as diabetic retinopathy, cardiovascular diseases, and stroke is the segmentation of blood vessels in color medical images. To this end, different strategies have been devised. The strategies can be roughly grouped into i) multiscale, ii) matched filtering, iii) mathematical morphology, iv) hierarchical, v) model and vi) deep learning approach [1]. Furthermore, they can also be categorized into supervised and unsupervised algorithm. The prominent strategies based on multiscale are [2], [3]. Soares et al. [2] used Gabor wavelet transform with four scales (2,3,4,5) to account for different width sizes of blood vessel, and supervised classification. Nyugen et al. [4] proposed blood vessel segmentation using a multi-scale line detection based technique. The approach is an extension of the scheme based on single scale line detector and support vector machine [5]. Examples of filter based approach are [6]–[8] and mathematical morphology based are [9]–[11]. Retinal vessel segmentations based on hierarchical detections are [12], [13], model based approaches [14]–[16], and deep learning based schemes [13], [17]–[21]. One major challenge in retinal image analysis especially for accurate vessel detection is low and varying contrast. A method based on Gabor wavelet and multi-scale line detector is being proposed here. The Gabor wavelet transform presents high frequency precision in low frequencies and high spatial precision in high frequencies. In other words, the transform is suitable for detecting edges and other singularities in the image [22], [23].

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تقسیم بندی عروق شبکیه چشم بر اساس آشکارساز خطی
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها