%36تخفیف

دانلود پروژه: بخش­بندی خودکار رگ­های خونی شبکیه چشم

تعداد 71 صفحه در فایل word

فنی مهندسی، گروه کامپیوتر

 

کارشناسی ارشد M.Sc.

 

بخش­بندی خودکار رگ­های خونی شبکیه چشم

 

چکیده

امروزه استفاده از پردازش تصویر جزء لاینفک بسیاری از تحلیل­ها و اعمال جراحی در علم پزشکی محسوب می‌شود؛ بطوریکه در جراحی مدرن، بسیاری از عملیات‌های جراحی به خصوص در نواحی بسیار حساس مانند چشم، تقریباً بدون پردازش‌های اولیه بر روی تصویر انجام نمی‌شود. در این پایان­نامه، روشی برای استخراج رگ‌های خونی موجود در شبکیه چشم، جهت بهبود دقت در شناسایی رگ‌های خونی و تفکیک صحیح پیکسل‌های رگ از پیکسل‌های غیر رگ، ارائه شده است. روش پیشنهادی راه حلی را ارائه می‌کند که در آن از نقشه برجستگی به منظور تشخیص مرزهای رگ استفاده می‌شود. این مرزها، سپس با استفاده از فیلتر گابور با یکدیگر تلفیق می‌شوند تا بتوانند فاصله میان دو مرز در یک را به عنوان عرض رگ پرکرده و به عنوان رگ قطعه‌بندی کنند. آزمایشات انجام گرفته بر روی پایگاه داده DRIVE نشان می‌دهد که روش پیشنهادی در این پایان­نامه­ توانسته است عملکرد خوبی در تشخیص رگ با دقت 0.9798 و قدرت تفکیک رگ از غیر رگ با دقت 0.9646، ارائه کند.

کلمات کلیدی: نقشه برجستگی، فیلتر گابور، قطعه‌بندی، رگ‌های خونی ناحیه شبکیه.

فهرست مطالب

عنوان

   صفحه

چکیده…………………………………………………………………………………………………………………………………………1

فصل اول. 2

مقدمه. 2

1-2-پردازش تصاویر پزشکی. 3

1-3-بیان مسئله 4

1-4-ضرورت انجام تحقیق. 5

1-5-نوآوری تحقیق. 5

1-6-سؤالات تحقیق. 6

1-7-اهداف تحقیق. 6

1-8-جمع‌بندی  6

فصل دوم. 7

کارهای انجام‌شده 7

1-2-شبکیه چشم. 8

2-2-1- رگ‌های خونی. 8

2-2-2- دیسک نوری. 9

2-2-3- لکه زرد (ماکولا) 9

2-3- پردازش تصاویر. 9

2-3-1- تصویربرداری. 11

2-3-2- پیش‌پردازش تصویر. 12

2-3-3- بخش‌بندی تصویر و استخراج ویژگی. 15

2-3-3-1- آستانه گیری.. 15

2-3-3-2- رشد ناحیه‌ای.. 17

2-3-3-3- کلاس‌بندی.. 17

2-3-3-4- خوشه‌بندی.. 18

2-3-3-5- مدل میدان تصادفی مارکوف.. 18

2-3-4- آنالیز تصاویر. 18

2-4- مشکلات و چالش‌های موجود در بخش‌بندی رگها در تصاویر شبکیه 19

2-5- روش‌های استخراج و بخش‌بندی رگ‌های خونی. 20

2-5-1- روش‌های مبتنی بر پنجره 21

2-5-2- روش‌های مبتنی بر کلاس‌بندی. 21

2-5-3- شیوه‌های مبتنی بر ردیابی کردن. 22

2-6- بررسی برخی شیوه‌های پیشنهادی محققین. 22

2-6-1- استفاده از فیلترهای منطبق. 22

2-6-2- استفاده از فیلتر مکانی تشخیص‌دهنده خط.. 23

2-6-3- استفاده از ویژگی‌های رگ‌های خونی و کلاس‌بندی کننده 24

2-6-4- استفاده از مفهوم پنجرهگذاری. 26

2-7- خلاصه فصل. 27

فصل 3. 28

روش پیشنهادی. 28

1-9-       مقدمه 28

3-2- روش‌شناسی تحقیق. 29

3-2-1- مجموعه تصاویر مورد بررسی. 29

3-2-2- نحوه ارزیابی نتایج. 30

3-2- روش پیشنهادی. 30

3-3-1- ساختار کلی روش پیشنهادی. 30

3-3-2- استخراج نقشه برجستگی. 31

3-3-3- قطعه‌بندی و شناسایی رگ ها 35

3-4- خلاصه فصل. 41

فصل 4. 42

نتایج تجربی. 42

4-1- مقدمه 42

4-2- پایگاه داده تصاویر و معیارهای ارزیابی. 43

4-2-1- پایگاه داده 43

4-2-2- معیارهای ارزیابی. 44

4-3- ارزیابی نتایج. 45

4-3-1- آزمایش اول، اجرای الگوریتم بدون تطبیق الگو. 45

4-3-2- آزمایش دوم، اجرای الگوریتم به همراه تطبیق الگو. 47

4-3-3- مقایسه 48

فصل 5. 51

نتیجه‌گیری و کارهای آینده 51

1-10-نتیجه‌گیری. 51

5-2- کارهای آینده 52

مراجع. 53

پیوست ها 56

پیوست الف: فهرست واژگان. 57

پیوست ب: تصاویر انتخابی از پایگاه داده DRIVE. 59

نتیجه اجرای الگوریتم بر روی تصاویر انتخابی از پایگاه داده DRIVE. 61

 

فهرست اشکال

عنوان

صفحه

شکل (2-1): طرح مقطعی از چشم انسان با بزرگ‌نمایی شبکیه…………………………………………………………8

شکل (2-2): انواع سیستم پردازش تصویر……………………………………………………………………………………..10

شکل (2-3): نمودار بلوکی مراحل پردازش تصویر…………………………………………………………………………11

شکل (2-4): سیستم تصویربرداری VIO……………………………………………………………………………………..12

شکل (2-5): تصویر به دست آمده از طریق دستگاه مشاهده شبکیه………………………………………………….12

شکل (2-6): مراحل اساسی برای ارتقاء تصویر در حوزه فرکانس……………………………………………………13

شکل (2-7): شکل سه بعدی فیلتر لگاریتمی گابور…………………………………………………………………………14

شکل (2-8): نمودار بافت نگار در حالت تک آستانه……………………………………………………………………….16

شکل (2-9): نمودار بافت نگار در حالت چند آستانه………………………………………………………………………16

شکل (2-10): مشکلات و چالش‌های موجود در بخش‌بندی رگ ها در تصاویر شبکیه……………………….19

شکل (2-11): عیوب بخش‌بندی دستی تصاویر شبکیه…………………………………………………………………….20

شکل (2-12): روش‌های استخراج و بخش‌بندی رگ‌های خونی شبکیه……………………………………………..21

شکل (2-13): زیر تصویر به همراه ویژگی‌های استخراج‌شده……………………………………………………………25

شکل (3-1): فلوچارت روش پیشنهادی………………………………………………………………………………………..31

شکل (3-2): تصویر نمونه از پایگاه داده DRIVE………………………………………………………………………..34

شکل (3-3): نقشه برجستگی حاصل از اعمال رابطه 3-5 بر روی شکل 3-3…………………………………….34

شکل (3-5): ماسک تعبیه‌شده برای از میان برداشتن ناحیه مربوط به مرز شبکیه در نقشه برجستگی……35

شکل (3-6): ناحیه روشن که از نظر روشنایی با دیگر نواحی شبکیه هم خوانی ندارد………………………….36

شکل (3-7): نقشه برجستگی پس از اعمال ماسک‌های روشنایی و ماسک مرز میان شبکیه و ناحیه مشکی ………………………………………………………………………………………………………………………………………………..37

شکل (3-8): اعمال فیلتر آستانه بر روی نقشه برجستگی شکل 3-7…………………………………………………37

شکل (3-9): اعمال فیلتر میانه بر روی شکل 3-8…………………………………………………………………………..38

شکل (3-10): ماسک نهایی برای تشخیص مکان رگ ها در شبکیه چشم………………………………………….39

شکل (3-11): مکمل گیری از تبدیل طیف خاکستری شکل اصلی……………………………………………………40

شکل (3-12): قطعه‌بندی رگ ها در ناحیه شبکیه چشم…………………………………………………………………..40

شکل (4-1): تعدادی نمونه از تصویر موجود در پایگاه داده DRIVE……………………………………………..44

شکل (4-2): مقایسه عملکرد الگوریتم پیشنهادی با روش‌های مشابه…………………………………………………50

فهرست جداول

عنوان

صفحه

جدول (4-1): نتایج آزمایش اول………………………………………………………………………………………………….46

جدول (4-2): نتایج آزمایش دوم………………………………………………………………………………………………….47

جدول (4-3): مقایسه الگوریتم پیشنهادی با روش‌های مشابه……………………………………………………………49

 

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo