| نام مرکز
|
:
|
دانشگاه علوم پزشکی استان اصفهان
|
| نوع مدرک
|
:
|
پایان نامه فارسی
|
| زبان مدرک
|
:
|
فارسی
|
| زبان اثر اصلي
|
:
|
فارسی
|
| شماره رکورد
|
:
|
104303
|
| شماره مدرک
|
:
|
ت۱۶۲۷۲
|
| شماره راهنما
|
:
|
WW ۲۷۰ ن۹۶۲آ ۱۳۹۴
|
| سرشناسه
|
:
|
نیکنام شیراز، ، لیلا ، پديدآور
|
| عنوان
|
:
|
آموزش و طراحی دیکشنری برای تصاویر OCT مبتنی بر الگوریتمK-SVD بر اساس خصوصیات بافت لایه های مختلف شبکیه به منظور تقطیع این تصاویر [پایان نامه]
|
| نویسنده
|
:
|
لیلا نیکنام شیراز
|
| استاد راهنما
|
:
|
؛حسین ربانی
|
| استاد مشاور
|
:
|
؛راحله کافیه
|
| محل تحصیل
|
:
|
دانشکده فناوریهای نوین علوم پزشکی
|
| سال تحصیل
|
:
|
۱۳۹۴
|
| مقطع تحصیلی
|
:
|
رشته مهندسی پزشکی، کارشناسی ارشد
|
| صفحه شمار
|
:
|
ج، ۷۹ص.: مصور، جدول، نمودار
|
| يادداشت
|
:
|
طرح تحقیقاتی شماره ۳۹۴۰۸۷
|
| چکيده
|
:
|
موضوع این مطالعه بررسی روش آموزش پایه ها در تصاویر چشمی می باشد. شبکیه ساختار لایه‌ای دارد و طراحی روشی که بتواند بدون تحت تأثیر قرار گرفتن از نوع نویز تصویر و میزان آن و پایین بودن کنتراست تصویر مرزهای لایه ها را به درستی مشخص نماید از اهمیت فراوانی برخوردار می‌باشد. نمایش اتمی از جمله روش های جدید برای نمایش تصاویر است. این روش تصاویر را براساس مجموعه ای از پایه ها تعریف می نماید. در روش آموزش پایه ها، پایه هایی از جنس خود تصویر برای آن تعیین می شود. در روش k- SVD دیکشنری را می توان از طریق بهینه سازی مقادیر ویژه و بردارهای ویژه تصویر به دست آورد. در روش تجزیه مولفه های مورفولوژیک اتم ها ی دیکشنری به دو بخش کارتون و بافت تقسیم می شوند. پس از به دست آوردن دیکشنری و بازسازی با استفاده از دیکشنری کارتون انجام بخش بندی با توجه به کاهش نویز و تقویت لبه ها با صحت بهتری قابل اجرا می باشد. پایگاه داده ی این مطالعه شامل 55 نمونه اخذ شده از افراد نرمال توسط دستگاه TOPCON-OCT-1000 می‌باشد. برای تجزیه مولفه های مورفولوژیک، دیکشنری هر تصویر با استفاده از خوشه بندی برداری به کمک مقادیر ویژه (K-SVD) محاسبه گردید و سپس روش تجزیه مولفه های مورفولوژیک روی دیکشنری‌های حاصل‌شده اعمال گردید و بخش‌های کارتون و بافت تصویر با انتخاب پایه‌های مناسب تفکیک شد. بخش‌بندی به روش برنامه نویسی پویا در تصویر کارتون اجرا شد و سطوح RPE, VM, OSL, CL ISL, OLMمشخص شدند. مقایسه نتایج با استانداردهای موجود نشان می دهد کمترین خطا برحسب پیکسل مربوط به سطح OSL با مقدار خطا (انحراف معیار±میانگین)0.167± 0.03می‌باشد. برای سایر سطوحISL,ICL,VM,RPE میزان خطا از راست به چپ به ترتیب زیر است:0.33±0.66 -, 0.31± 0.59 -, 0.49 ±1.00-, 0.61± 1.72-, 0.51±1.05-.کلید واژه ها آموزش پایه ها، بخش بندی، تجزیه مولفه های مورفولوژیک
|
| توصیفگر
|
:
|
شبکیه
|
|
|
:
|
بافت
|
|
|
:
|
تصاویر پزشکی
|
|
|
:
|
الگوریتم
|
|
|
:
|
اصطلاحنامه
|
|
|
:
|
آموزش
|
|
|
:
|
Retina
|
|
|
:
|
Tissue
|
|
|
:
|
Medical Illustration
|
|
|
:
|
Algorithm
|
|
|
:
|
Dictionary
|
|
|
:
|
Education
|
| شناسه افزوده
|
:
|
ربانی، حسین، ، استاد راهنما
|
|
|
:
|
کافیه ، راحله، ، استاد مشاور
|
| عنوان ترجمه شده توسط فهرست نویس
|
:
|
Design and train of a Dictionary of OCT images based on k-SVD Algorithm using texture characteristics of retinal layers for image Segmentation
|