کد ts-3482  
عنوان اول تشخیص ضایعات قرمز بیماری رتینوپاتی با استفاده از موجک مورلت در تصاویر رنگی شبکیه  
نویسنده سارا دانشور  
استاد راهنما احد هراتی  
اسناد مشاور توکا بنایی  
نوع کاغذی  
دانشگاه دانشگاه فردوسی مشهد  
مقطع کارشناسی ارشد  
سال دفاع 1391شمسی  
زبان فارسی  
چکیده بیماری دیابت یکی از شایع‌ترین بیماری‌های جهان است. یکی از سریعترین راه‌های تشخیص بیماری دیابت تحلیلعروق و عارضه‌های ناشی از صدمات وارده به عروقشبکیه چشم می‌باشد.رتینوپاتی دیابتی از عوارض بسیار شایع بیماری دیابت بر روی شبکیه‌ی چشم است که در صورت تشخیص دیر هنگام باعث کاهش دید و یا نابینایی فرد مبتلا می‌شود. در سال‌های اخیر تشخیص علایم بیماری از روی تصاویر گرفته شده از شبکیه چشم بیماران انجام می‌شود. تعداد فراوان بیماران و حجم انبوه تصاویر، نیاز به نیروهای متخصص و هزینه‌های غربالگری را افزایش داده است و به دنبال آن کیفیت تشخیص بیماری و رضایتمندی بیماران کاهش یافته است. یک سیستم غربالگری خودکار می‌تواند در رفع مشکلات ذکر شده تاثیر بسزایی داشته باشد. در این سیستم‌ها از تکنیک‌های پردازش تصویر برای تشخیص علایم بیماری استفاده می‌شود.ضایعات قرمزرنگ(میکروآنوریسم و خونریزی) از علایم اولیه‌ی بیماری رتینوپاتی می‌باشد. بنابراین تشخیص این علایم از اهمیت ویژه‌ای برخوردار است و می‌تواند از پیشرفت بیماری جلوگیری کند. در این پایان‌نامه، سیستمی خودکار برای تشخیص ضایعات قرمز رنگ ارائه داده شده است. این سیستم شامل یک مرحله‌ی پیش‌پردازش و دو فاز اصلی برای استخراج ضایعات قرمز است. در مرحله‌ی پیش‌پردازش، مشکلات موجود در تصاویر شبکیه، شامل کنتراست پایین و تفاوت رنگ تصاویر مختلف شبکیه رفع می‌شود. فاز اول با هدف افزایش سرعت الگوریتم طراحی شده است.در این فاز با استفاده از ویژگی‌های آماری و بافت بخش‌های از تصویر را که خصوصیات کاملا متفاوتی با ضایعات قرمز دارند، حذف می‌کنیم. در مرحله‌ی بعد با استفاده از تبدیل موجک مورلت و بازنمایی ضایعات قرمز در حوزه‌ی تبدیل، در زوایای مختلف و در چند مقیاس متفاوت ضایعاترا شناسایی می‌کنیم. برای ارزیابی سیستم پیشنهادی، از تصاویر بانک بیمارستان خاتم النبیا مشهد (MUMS) استفاده شده است. نتایج بدست آمده از این سیستم با نتایج استخراج شده توسط پزشک مقایسه شده است. همچنین کارایی سیستم مذکور، از نظر دقت و سرعت با تعدادی از الگوریتم‌های موجود، مورد ارزیابی قرار گرفته است. نتیجه مقایسه و ارزیابی نهایی، نشان می‌دهد که الگوریتم پیشنهادی از کارایی و سرعت مناسب در شناسایی ضایعات قرمز برخوردار می‌باشد و می‌تواند در یک سیستم خودکار غربالگری مورد استفاده قرار بگیرد.
 
تاریخ ثبت در بانک 16 اردیبهشت 1395