توضیحات
Improvement of retinal blood vessel detection using morphological component analysis
بهبود تشخیص سلول های خونی با استفاده از روش آنالیز مولفه ای
خلاصه مقاله:
در این مساله هدف جدا سازی سلول های خونی می باشد. مشکلاتی که در این سیستم وجود دارد به شرح زیر می باشد:
نویز دار بودن تصاویر
Optical Diskمشکل بودن تشخیص
تاثیر نویزهای نورهای پشتی بر تصاویر تهیه شده
ابتدا تصویر ورودی را با مولفه رنگ سبز آن تبدیل نموده و پیش پردازش های اولیه شامل تشخیص بخش مورد علاقه اصلی و سپس اعمال فیلتر واسط میانگین را اعمال می کنیم. پس از این امر برای بهبود محاسبات از عملگر اصلاح هیستوگرام تصویر بهره می بریم.
برای اجرای الگوریتم سپس بخش دیسک اپتیکی و همچنین بخش های ناشی از نور پشت زمینه باید اصلاح گردند در مقاله های مختلف دیگر از روش های مانند آستانه گذاری و همچنین تشخیص بخش دایروی استفاده می کنند در این روش ترکیب دو متد عمده به نام های
NSST(Non-subSampled Shearlet Transform)
NSCT(Non-subSampled Contourlet Transform)
برای حذف این بخش های و همچنین بهبود کیفیت استفاده شده است.
در ادامه روش موجک مورلت مورد استفاده قرار گرفته است. این روش را گاها گابور نیز می نامند. همه این فیلترهای به صورت دو بعدی استفاده شده اند. پس از انجام محاسبات از مقدار استانه گذار استفاده شده است تا فقط بخش های مورد نظر ما استخراج گردند.
برای محاسبه نحوه کارکرد الگوریتم از سه معیار استفاده شده است:
Accuracy=(TP+TN)/(TP+TN+FP+FN);
Sensitivity=(TP)/(TP+FN);
Specificity=(TN)/(TN+FP);
مطالعه دو مقاله زیر نیز برای فهم بهتر کار توصیه می شود:
A Novel Method for Vessel Detection Using Contourlet Transform by Farnoos Ghadiri et al.
Retinal vessel extraction by matched filter with first order derivative of Gaussians by Bob Zhang et al.
نمونه خروجی های الگوریتم روی تصاویر 21 و 22 پایگاه DRIVE ارائه شده است:
.NSCT شکل1: از چپ به راست: خروجی ایده آل- خروجی الگوریتم- تصویر بهبود یافته تا مرحله استفاده از
نمونه اعمال الگوریتم مورلت با فیلتر جهت دار از 0 تا 180 درجه:
به صورت تک فایل آستانه گذاری و نتایج پایگاه STARE به صورت کلی ارائه شده است:
کاتالوگ روی داده های DRIVE
این نتایج بر اساس بهترین نتیجه در بین اجرا روی سه مجموعه آستانه مختلف می باشد.
| File ID | Accuracy | Specificity | Sensitivity |
| 21_training.tif | 88 | 84 | 31 |
| 22_training.tif | 85 | 78 | 20 |
| 23_training.tif | 92 | 87 | 45 |
| 24_training.tif | 91 | 85 | 34 |
| 25_training.tif | 95 | 89 | 32 |
| 26_training.tif | 82 | 80 | 40 |
| 27_training.tif | 85 | 82 | 43 |
| 28_training.tif | 76 | 75 | 33 |
| 29_training.tif | 75 | 70 | 22 |
| 30_training.tif | 82 | 79 | 48 |
| 31_training.tif | 81 | 75 | 38 |
| 32_training.tif | 82 | 78 | 34 |
| 33_training.tif | 90 | 86 | 41 |
| 34_training.tif | 85 | 83 | 27 |
| 35_training.tif | 87 | 81 | 22 |
| 36_training.tif | 89 | 84 | 44 |
| 37_training.tif | 94 | 87 | 36 |
| 38_training.tif | 82 | 77 | 41 |
| 39_training.tif | 88 | 85 | 44 |
| 40_training.tif | 90 | 88 | 51 |
مقدار کلی نتایج برای کل پایگاه داده DRIVE شامل:
Accuracy=89%, Specificity=92%, Sensitivity=43%
شامل:STARE مقدار کلی نتایج برای کل پایگاه داده
Accuracy=85%, Specificity=88.5%, Sensitivity=34%
ساختار برنامه:
Vessel_main.m
برنامه اصلی که باید اجرا گردد که تمامی توابع مورد نیاز دیگر را نیز به صورت اتوماتیک فراخوانی می کند.
برای تغییر فایل ورودی دو خط زیر باید تغییر کنند:
در خط 8 برنامه
I = imread(’21_training.tif’);
در خط 75 برنامه
base=im2bw(imread(’21_manual1.gif’));
NSCTPostProcess.m
اعمال آخرین فلیتر پس از احراز نتایج دو تولباکس خارجی.
Morlet_fcn.m
تابع مدیریت فراخوانی الگوریتم مورلت
در خط 3-8
lambda = 10;
theta = [0 pi];
psi=[0 pi/2];
gamma = 0.5;
bw = 1.0;
N = 20;
Morlet.m
تابع اصلی مورلت-هیچ نیاز به تغییر در این بخش نمی باشد.
MCA.m
الگوریتم اصلی مقاله که وظیفه فراخوانی دو تولباکس خارجی را نیز برعهده دارد.
…
تابع محاسبه اتوماتیک نتایج بر اساس سه معیار اصلی
Accuracy,Sensitivity,Specificity
خروجی برنامه می باشد. که باید res خروجی ایده آل و متغیر Base دراین تابع متغیر با هم مقایسه گردیده و نتایج الگوریتم به صورت اتوماتیک ایجاد گردد.
و دو تولباکس خارجی به نام های
nsct_toolbox
تولباکس محاسبات کانتورلت
shearlet_toolbox1
تولباکس محاسبه شیرلت
نتایج بدست آمده از شبیه سازی با متلب:
کلید واژه : جدا سازی سلول های خونی,پروژه متلب,شبیه سازی با متلب,matlab project,پروژه matlab,پروژه های آماده متلب,
Retinal blood vessel, Diabetic retinopathy, Morphological component analysis, (MCA), Morlet Wavelet Transform, Adaptive thresholding
شبیه سازی
Improvement of retinal blood vessel detection using morphological component analysis
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.