عنوان

تشخیص خون‌ریزی در تصاویر فوندوس رنگی با استفاده از شبکه‌های عصبی کانولوشنی

Number

پ۲۴۶۲۶

.Language of Text, Soundtrack etc

per

Title Proper

تشخیص خون‌ریزی در تصاویر فوندوس رنگی با استفاده از شبکه‌های عصبی کانولوشنی

First Statement of Responsibility

فریبا حسن‌زاده

Name of Publisher, Distributor, etc.

مهندسي برق و کامپيوتر

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۹۶ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی پزشکی گرایش: بیوالکتریک

Date of degree

۱۳۹۹/۱۱/۲۷

Text of Note

چکیده: یکی از علامت‌های شایع دیابت، دیابت رتینوپاتی( اختلالاتی که در نهایت منجر به آسیب به شبکیه می‌شوند.) می‌باشد که اگر به موقع تشخیص و درمان نشود، موجب نابینایی می‌شود. استفاده از تصاویر دیجیتال در چشم پزشکی و پردازش تصاویر شبکیه، به تشخیص بالینی و درمان بیماری‌های مربوط به شبکیه کمک می‌کند. باظهور دستگاه‌های تصویربرداری چشمی و رشد سریع نرم افزارهای مناسب برای شناسایی بیماری‌های شبکیه، هزینه محاسباتی کامپیوتر کاهش و توان آن افزایش یافته است. چنین سیستمی باید قادر باشد تا علایم زود‌هنگام رتینوپاتی زمینه‌ای را شناسایی کند و تشخیص واقعی را برمبنای برخی از معیارهای تعریف شده توسط چشم پزشکان ارایه نماید. در این پایان‌نامه، بر اساس یک پیکرة برمبنای شبکه کانولوشنی‌عصبی با امکان یادگیری عمیق، مدلی پیشنهاد می‌شود که از دو بخش اصلی تشکیل گردیده است: در بخش اول شدت خون‌ریزی شبکیه براساس مدل یادگیرنده عمیق به سه شدت خون‌ریزی خفیف، متوسط و شدید طبقه‌بندی می‌شود و در بخش دوم مدل پیشنهادی برمبنای شبکة عصبی کانولوشنی مکان تقریبی خون‌ریزی در ناحیة شبکیه در هر سه شدت خون‌ریزی آشکار می‌گردد. تفکیک نواحی مستعد به وجود خون‌ریزی، در وضعیت‌های مختلف پس از تکرارهای مختلف، مهر تأییدی بر عملکرد مدل پیشنهادی است. ضریب اطمینان و تعمیم‌‌‌‌‌پذیری الگوریتم با استفاده از یک ساختار سبک عمیق کانولوشنی از نوآوری‌های تحقیق است و سطح دقت طبقه‌بندی در مرحلة اول بالاتر از ۹۳ درصد است. در حالی که سطح زیر منحنی عامل گیرنده (ROC) در مرحلة جداسازی و تفکیک ناحیة خون‌ریزی بالاتر از ۹۶ درصد است. این مدل پتانسیل بالایی در تفکیک و جداسازی نواحی مستعد به بیماری را پیش از فراگیر شدن سطوح بیماری‌های نظیر رتینوپاتی دیابتی دارا بوده و متخصص را قادر می‌سازد تا با اطمینان بالاتری در مورد وقوع خون‌ریزی احتمالی اظهار نظر نماید. فهرست مطالب

Text of Note

Abstract: One of common symptom of diabetes is retinopathy diabetes. That can not be detected and treated can cause blindness. Using digital images in ophthalmology and processing of retina images. It helps in diagnosing clinical and treating diseases related to the retina. With the advent of eye imaging machines and rapid growth of suitable software for the detection of retina diseases. The computational cost of the computer decreases and its power has increased. Such a system should be able to early signs should identify a context. Explain the true diagnosis based on some of the criteria defined in the eye of physicians. The present study suggests a model based on a convolutional-neural structure with deep learning possibility which consists of two main parts: (1) classification of three milds, medium and extreme bleedings based on deep learning model (2) and separator model based on the neural-convolutional network which can show approximate bleeding possibility in retina area—segregating susceptible areas to bleeding in different conditions after various repetitions confirm the suggested model function. The safety factor and algorithm generalizability utilizing convolutional deep light structure are among the innovations of this study, and classification accuracy was more than 93% in the first stage. In comparison, the Receiver Operating Characteristics Curve (ROC) was more than 96% in separating stage and bleeding area segregation. This model has a high potential in segregating and separating susceptible areas to the disease before spreading diseases like diabetic retinopathy. The specialist will be able to comment on probable bleeding with higher certainty.

Entry Element

‏حسن‌زاده،

Part of Name Other than Entry Element

‏فریبا

Relator Code

تهيه کننده

Entry Element

‏مشگینی،

Entry Element

‏يوسفي رضایي،

Part of Name Other than Entry Element

‏سعید

Part of Name Other than Entry Element

‏توحيد

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏ تبریز