Retinal Vessel Tortuosity Evaluation via Circular Hough Transform
Publish place: 18th Iranian conference on Biomedical Engineering
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: English
View: 888
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME18_115
تاریخ نمایه سازی: 27 فروردین 1393
Abstract:
Retinal vessel tortuosity has shown to be significantly associated with cardiovascular diseases such ashypertension and diabetes. Despite importance of this field a few techniques have been proposed yet. All previousmethods rely on a vessel extraction phase, which its accuracy affects final output and also time consuming. Nobility of presented algorithm is to introduce a method for evaluating retinal vessel tortuosity without any explicit vessel detection. We use the Circular Hough Transform (CHT) based on gradient field of the retinal image. Each vessel curve is detected as a semi-circle by Hough transform and tortuosity of the curve is determined with the help of accumulated value of circle center and its radius. As there are no any specific database for tortuosity evaluation, the algorithm was tasted on database consisting of 40 images, mixture of DRIVE database and images from Khatam-Al-Anbia Hospital consisting of 40 retinal images, of which 20 were tortuous and 20 were non- tortuous. The proposed algorithm can achieve classification rate of 92% along with less computation time in compare of previous methods.
Authors
Farnoosh Ghadiri Hedeshi
Computer Engineering Department, Machine Vision Lab, Ferdowsi University of Mashhad, Iran
HamidReza Pourreza
Computer Engineering Department, Machine Vision Lab, University of Ferdowsi, Mashhad, Iran
Touka Banaee
Ophthalmic Research Center, Khatam-Al- Anbia Hospital, Medical science University of Mashhad, Iran
Morteza Delgir
Computer Science Department, Robotics Lab, Northeastern University, USA
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :