دوره 10، شماره 1 - ( 3-1402 )
جلد 10 شماره 1 صفحات 17-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kheyrolahi R, Hoorali F, Sedaaghi M H, Ebrahimnezhad H. Pupil Detection for Automatic Diagnosis of Eye Diseases Using Optimized Color Mapping. jhbmi 2023; 10 (1) :1-17
URL: http://jhbmi.ir/article-1-752-fa.html
URL: http://jhbmi.ir/article-1-752-fa.html
خیرالهی رسول، حورعلی فاطمه، صداقی محمد حسین، ابراهیم نژاد حسین. آشکارسازی مردمک به منظور تشخیص خودکار بیماری‌های چشم با استفاده از نگاشت رنگی بهینه. مجله انفورماتیک سلامت و زیست پزشکی. 1402; 10 (1) :1-17
دکتری مهندسی برق، استادیار، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، مجتمع آموزش عالی فنی و مهندسی اسفراین، خراسان شمالی، ایران
چکیده: (1499 مشاهده)
مقدمه: دسته مهمی از بیماری‌های مربوط به چشم شامل اختلالات مردمک و عنبیه چشم است. بخش‌بندی دقیق مردمک اولین و مهم‌ترین گام در تشخیص خودکار بیماری‌های مربوط به مردمک و عنبیه چشم می‌باشد. اکثر روش‌های موجود دقت کافی نداشته و نسبت به اثرات نویز و انعکاس مؤلفه‌های نوری، حساس می‌باشند. ضمن این که تصاویر استفاده شده در آن‌ها نیز معمولاً محدودیت‌هایی از جمله زاویه دید را دارند.
روش: در الگوریتم پیشنهادی ابتدا روشی پایدار جهت حذف مؤلفه‌های انعکاس در مردمک و پیش پردازش‌های لازم به منظور تشخیص محل دقیق مردمک پیشنهاد شده است. سپس یک الگوریتم نگاشت رنگی بهینه به کمک الگوریتم لونبرگ-مارکوارت برای تعیین دقیق مرز مردمک محاسبه شده است. این روش هیچ‌گونه اعمال محدودیتی بر روی تصویر چشم نداشته و شکل و زاویه دید مردمک در تصویر به هر شکل و در هر جهتی می‌تواند باشد.
نتایج: روش پیشنهادی هیچ مدل خاصی (دایره یا بیضی) را به عنوان مرز نهایی مردمک در نظر نگرفته و نسبت به نوفه و انعکاس نور مقاوم است. این روش توانسته در تشخیص دقیق مرز مردمک با نرخ تشخیص 98/8 و 98 درصد به ترتیب برای پایگاه داده UBIRIS و پایگاه داده گردآوری شده، عملکرد بهتری در مقایسه با الگوریتم‌های مهم ارائه شده در سال‌های اخیر داشته باشد.
نتیجه‌گیری: از روش ارائه شده در این پژوهش می‌توان برای افزایش دقت در بخش‌بندی مرز داخلی و خارجی عنبیه به منظور تشخیص بیماری‌های مربوط به مردمک و عنبیه چشم، همچنین جهت تشخیص هویت از طریق عنبیه چشم استفاده کرد.
روش: در الگوریتم پیشنهادی ابتدا روشی پایدار جهت حذف مؤلفه‌های انعکاس در مردمک و پیش پردازش‌های لازم به منظور تشخیص محل دقیق مردمک پیشنهاد شده است. سپس یک الگوریتم نگاشت رنگی بهینه به کمک الگوریتم لونبرگ-مارکوارت برای تعیین دقیق مرز مردمک محاسبه شده است. این روش هیچ‌گونه اعمال محدودیتی بر روی تصویر چشم نداشته و شکل و زاویه دید مردمک در تصویر به هر شکل و در هر جهتی می‌تواند باشد.
نتایج: روش پیشنهادی هیچ مدل خاصی (دایره یا بیضی) را به عنوان مرز نهایی مردمک در نظر نگرفته و نسبت به نوفه و انعکاس نور مقاوم است. این روش توانسته در تشخیص دقیق مرز مردمک با نرخ تشخیص 98/8 و 98 درصد به ترتیب برای پایگاه داده UBIRIS و پایگاه داده گردآوری شده، عملکرد بهتری در مقایسه با الگوریتم‌های مهم ارائه شده در سال‌های اخیر داشته باشد.
نتیجه‌گیری: از روش ارائه شده در این پژوهش می‌توان برای افزایش دقت در بخش‌بندی مرز داخلی و خارجی عنبیه به منظور تشخیص بیماری‌های مربوط به مردمک و عنبیه چشم، همچنین جهت تشخیص هویت از طریق عنبیه چشم استفاده کرد.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت
دریافت: 1401/11/16 | پذیرش: 1402/1/7
دریافت: 1401/11/16 | پذیرش: 1402/1/7
فایل صوتی [MP3 935 KB] (50 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
