سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده

Publish Year: 1398
Type: Conference paper
Language: Persian
View: 1,260

This Paper With 6 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICMVIP11_021

Index date: 14 September 2020

قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده abstract

قطعه بندی عروق شبکیه چشم در تصاویرفوندوس، گام کلیدی در تشخیص اولیه بیماری های چشمی مانند رتینوپاتی دیابتی و فشار خون است. دراین مقاله، روشی خودکارمبتنی بر شبکه های عصبی کانولوشنی ارائه شده که ویرایش تغییر یافته ای ازمعماری U-Net است. دقت الگوریتم بر روی دادگان شناخته شده DRIVE و STARE به ترتیب برابر 96/70 و 96/09 به دست آمده است به کارگیری مدل پیشنهادی مبتنی بر U-Net به بهبود چشم گیر معیار AUC نیز منجر شده است.

قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده Keywords:

قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده authors

معصومه غلامی

دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر

علی اقا گل زاده

دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر

مهدی ازوجی

دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر

مقاله فارسی "قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده" توسط معصومه غلامی، دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر؛ علی اقا گل زاده، دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر؛ مهدی ازوجی، دانشگاه صنعتی نوشیروان بابل دانشکده مهندسی برق وکامپیوتر نوشته شده و در سال 1398 پس از تایید کمیته علمی یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله عروق شبکیه چشم، قطعه بندی، یادگیری عمیق U-Net هستند. این مقاله در تاریخ 24 شهریور 1399 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1260 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که قطعه بندی عروق شبکیه چشم در تصاویرفوندوس، گام کلیدی در تشخیص اولیه بیماری های چشمی مانند رتینوپاتی دیابتی و فشار خون است. دراین مقاله، روشی خودکارمبتنی بر شبکه های عصبی کانولوشنی ارائه شده که ویرایش تغییر یافته ای ازمعماری U-Net است. دقت الگوریتم بر روی دادگان شناخته شده DRIVE و STARE به ترتیب برابر 96/70 و 96/09 به دست آمده ... . این مقاله در دسته بندی موضوعی یادگیری عمیق طبقه بندی شده است. برای دانلود فایل کامل مقاله قطعه بندی رگ های شبکیه چشم در تصاویر فوندوس مبتنی بر U-Net بهبود داده شده با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.