آشکارسازی و تحلیل رگهای خونی شبکیه بر اساس فنون مبتنی بر نمایش چندمقیاسی تصویر
/لیدا زارع لاهیجان
: مهندسی برق و کامپیوتر
، ۱۳۹۶
، میرزائی
چاپی
کارشناسی ارشد
مهندسی پزشکی گرایش بیو الکتریک
۱۳۹۶/۰۶/۲۰
تبریز
در دنیای امروز کاربرد علم مهندسی در پزشکی افزایش پیدا کرده است و در تشخیص و درمان بیماریها با استفاده از تکنولوژی تصویربرداری با دستگاههای مختلف و پردازش این تصاویر با نرمافزارهای گوناگون، سریعتر، آسانتر و دقیقتر شده است .ازجمله میتوان به تشخیص برخی بیماریها مانند دیابت از روی تصویر رگهای شبکیه اشاره کرد .هدف تشخیص درست و کامل رگهای خونی شبکیه هست چراکه در اثر بیماری دیابت، رگها به مرور زمان ضعیفتر شده و باعث کم بینایی و درنهایت نابینایی میگردد .سالهای زیادی است که با استفاده از روشهای مختلفی از قبیل سیستمهای هوشمند، سیستمهای آشکارسازی خط، سیستمهای مبتنی بر فیلترهای وفقی و بسیاری دیگر، آشکارسازی رگهای شبکیه از تصاویر رنگی دیجیتال انجام میگیرد .در این پایاننامه، سعی شده است تا رگهای خونی شبکیه با دقت و صحت بیشتری آشکارسازی و تحلیل شوند .از طرفی الگوی توزیع رگهایخونی شبکیه برای شناسایی افراد میتواند کاربرد وسیعی داشته باشد .با استفاده از ویژگیهای منحصربهفرد رگهای خونی شبکیه برای هر انسان و حتی حیوانات، کاربردهای مختلفی با توجه به این ویژگی بیومتریک، میتوان در نظر گرفت .با استفاده از ویژگیهای رگهای خونی شبکیه مانند عرض، میزان شدت روشنایی، انحنا و خمیدگی رگها میتوان الگوریتمی برای آشکارسازی و جداسازی رگها ارائه داد .روش پیشنهادی در این پایاننامه، دارای ۳ مرحله اصلی :پیشپردازش، استخراج ویژگی و آموزش شبکه است .در قسمت پیشپردازش از فیلتر گوسی استفادهشده است که یک نوع فیلتر میانگین وزنصدار میباشد و مؤلفههای ماتریس ماسک آن از تابع گوسی گرفتهشده است .در ماسک فیلتر گوسی، بیشترین ارزش به پیکسل اصلی) مرکزی (داده میشود و پیکسلهای همسایه وزنی متناسب با فاصلهشان تا پیکسل اصلی به خود اختصاص میدهند .هر چه فاصله دورتر میشود مقدار وزن نیز کوچک میگردد .این نکتهای است که باعث میشود لبهها و مرزها بهتر حفظ شوند .از روش کانتورلت و ممان ثابت برای استخراج ویژگی استفاده شده است .تبدیل کانتورلت بهدلیل دارا بودن خاصیت ناهمسانگردی و جهتی بودن، نسبت به تبدیلهای موجک عملکرد بهتری در نمایش ویژگیهای برجسته تصویر همچون لبهها ، خطوط و منحنیها دارد .در این پایاننامه برای دستهبندی، از شبکههای عصبی مصنوعی استفاده شده است که در بین شبکههای متعددی که در کار دستهبندی مورد استفاده قرار میگیرد شبکه عصبی (MLP) متداولترین آنها هست MLP .داده ورودی را به کلاس تعلقی نسبت میدهد که، نورون متناظر با آن بیشترین خروجی را داشته باشد) معیار دستهبندی .(این یک روش جدید در مقایسه با روشهای دیگر برای استخراج رگهای خونی شبکیه میباشد و با اعمال روش ارائهشده در تحقیق و بررسی نتایج بهدستآمده با نتایج دیگر منابع مشاهده میشود که حساسیت متوسط روش ۸۵۷۰۴/۰ و دقت متوسط ۹۲۴۶۵/۰ و ویژگی برابر ۹۲۸۴/۰ است .تمام قسمتهای شبیهسازی توسط نرمافزار MATLAB انجام شده است
In today's world, the use of engineering science in medicine has increased, and it has been quicker, easier and more accurate in diagnosing and treating illnesses using imaging technology with different devices and processing these images with various software applications. One can mention the diagnosis of certain diseases, such as diabetes, from the retinal vein image. The goal is to accurately detect and complete the blood vessels of the retina, because the disease of diabetes causes the veins to become weaker over time, resulting in poor vision and ultimately blindness. For many years, digital retrieval is discovered using a variety of methods such as intelligent systems, line detection systems, advanced filtering systems, and many more. In this thesis, it has been tried to reveal and analyze the blood vessels of the retina with greater accuracy. On the other hand, the distribution pattern of the retinal vein can be widely used to identify individuals. With the unique properties of retinal blood vessels for humans and even animals, various applications with respect to this biometric feature can be considered. Using an attribute of retinal blood vessels such as width, intensity, curvature and flexion of the veins, an algorithm for detecting and separating the vessels can be provided. The proposed method in this thesis has three main stages: preprocessing, attribute extraction and classification based on neural networks. In its preprocessing section, the Gaussian filter is used, which is a kind of average weighted filter and its matrix components are taken from the Gaussian function. In the Gaussian filter mask, the highest value is given to the original pixel (central) and the neighboring pixels are weighted in proportion to their distance to the original pixel. The longer the distance is, the more the amount of weights are reduced. This is a point that makes edges and borders better preservedThe Cantourlet method and the fixed momentum are used to extract the features. Due to its anisotropy and directional properties, Cantourlet transformation has better performance than Wavelet Transforms(WT) in displaying outstanding features such as edges, lines and curves. In this dissertation, artificial neural networks are used to categorize, which is the most commonly used neural network (MLP) among multiple networks used in categorization. The MLP assigns the input data to the classroom, with the corresponding neuron having the highest output (categorical criteria). This is a new method compared with other methods for the extraction of blood vessels of the retina. By applying the proposed method to investigating the results obtained with other methods from the literature, the average sensitivity of the method is 0.85704 and the average accuracy is 0.92465 and the characteristic is equal to 0.9284 .All parts of the simulation are done by MATLAB software