قیمت: 20,000 تومان

دانلود رایگان اصل مقاله

نام فارسی

بررسی سطح شدت اختلال وابسته به شبکیه چشم دیابتیک با استفاده از الگوریتم های دسته کننده با نظارت

نام لاتین

Investigation of the severity level of diabetic retinopathy using supervised classifier algorithms

مشخصات کلی

سال انتشار سال 2015
کد 1864
فرمت فایل word
تعداد صفحات ترجمه 24
اصل مقاله لاتین رایگان است
منبع ScienceDirect
نام مجله Computers and Electrical Engineering

چکیده فارسی

RETINOPATHY دیابتی ، عارضه است که در افراد دارای چندین سال mellitus دیابتی ها رخ می دهد و سبب گروهی از ضایعات توصیفی در شبکیه چشم می شود و به طور پیشرونده به آن آسیب می زند . بازیابی ، امراض ته چشمی شبکیه چشم بدین ترتیب ، به متخصصان چشم کمک می کند تا درمانهای صحیحی را که ممکن است بیماری را در بهبود دهد یا شدتش را بکاهد و بنابراین ، بیماران را از آسیب دیداری حمایت می کند ، را بکار ببرند . RETINOPATHY دیابتی معمولا توسط متخصصان چشم و با استفاده از تصاویر مبسوط داده شده ای تشخیص داده می شوند که با ریختن یک محلول شیمیایی در داخل چشم بیمار گرفته می شود که سبب ناراحتی و تهییج بیمار می شود . در این مقاله ، ما شیوه ای را برای بازیابی خودکار مواد مترشحه ضایعه ای به کمک یک تصویر مبسوط نشده ته چشمی از شبکیه چشم برای کمک کرده به متخصصان چشم جهت تشخیص بیماری ارائه کرده ایم مواد مترشحه حاصل از تصاویر تقابل پایین می توانند با استفاده از مورد مجاور براساس تکنیک تقطیع بازیابی و تعیین محل شوند . ماشین بردار حمایتی (SVM) و دسته کننده های شبکه عصبی احتمال گرا( PNN) برای ارزیابی شدت بیماری پیشنهاد می شوند و نتایج با همان تکنیک تقطیع مقایسه می شوند . میانگین درستی طبقه بندی مربوط به SVM و دسته کنندگان PNNمشخص شده به ترتیب 97.89 درصد و 94.76 درصد می باشد .

چکیده لاتین

Diabetic retinopathy is a condition that occurs in individuals with several years of diabetes mellitus and causes a characteristic group of lesions in the retina and progressively dam-ages it. Detecting retinal fundus diseases in advance helps ophthalmologists to apply proper treatments that may cure the disease or decrease its severity and thus protect patients from vision loss. Diabetic retinopathy is usually diagnosed by ophthalmologists using dilated images that are captured by pouring a chemical solution into the patient’s eye, which causes inconvenience and irritation to the patient. In this paper, we propose a method to detect lesion exudates automatically with the aid of a non-dilated retinal fun-dus image to help ophthalmologists diagnose the disease. The exudates from the low con-trast images are detected and localised using a neighbourhood based segmentation technique. A support vector machine (SVM) and probabilistic neural network (PNN) classi-fiers are proposed to assess the severity of the disease, and the results are compared with the same segmentation technique. The average classification accuracy for the SVM and PNN classifiers are determined to be 97.89% and 94.76%, respectively.

خرید و دانلود ترجمه این مقاله:

روی دکمه افزودن به سبد خرید کلیک کنید. مقاله به سبد خرید شما که در ستون سمت راست صفحه قرار دارد افزوده می شود. سپس روی دکمه اتمام خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید.

دیدگاهی بنویسید