دانلود مقاله انگلیسی رایگان:تقسیم بندی دیسک نوری چند پارامتری با استفاده از طبقه بندی ویژگی های مبتنی بر superpixel - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی سیستم های خبره رایگان
  • Multi-parametric optic disc segmentation using superpixel based feature classification Multi-parametric optic disc segmentation using superpixel based feature classification
    Multi-parametric optic disc segmentation using superpixel based feature classification

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Multi-parametric optic disc segmentation using superpixel based feature classification


    ترجمه فارسی عنوان مقاله:

    تقسیم بندی دیسک نوری چند پارامتری با استفاده از طبقه بندی ویژگی های مبتنی بر superpixel


    منبع:

    Sciencedirect - Elsevier - Expert Systems With Applications, 120 (2019) 461-473: doi:10:1016/j:eswa:2018:12:008


    نویسنده:

    Zaka Ur Rehman a , Syed S. Naqvi b , ∗, Tariq M. Khan b , Muhammad Arsalan c , Muhammad A. Khan d , M.A. Khalil e


    چکیده انگلیسی:

    Glaucoma along with diabetic retinopathy is a major cause of vision blindness and is projected to affect over 80 million people by 2020. Recently, expert systems have matched human performance in disease diagnosis and proven to be highly useful in assisting medical experts in the diagnosis and detection of diseases. Hence, automated optic disc detection through intelligent systems is vital for early diagnosis and detection of Glaucoma. This paper presents a multi-parametric optic disk detection and localization method for retinal fundus images using region-based statistical and textural features. Highly discrimina- tive features are selected based on the mutual information criterion and a comparative analysis of four benchmark classifiers: Support Vector Machine, Random Forest (RF), AdaBoost and RusBoost is presented. The results of the proposed RF classifier based pipeline demonstrate its highly competitive performance (accuracies of 0.993, 0.988 and 0.993 on the DRIONS, MESSIDOR and ONHSD databases) with the state- of-the-art, thus making it a suitable candidate for patient management systems for early diagnosis of the Glaucoma.
    Keywords: AdaBoostM1 | Glaucoma | RusBoost | Random forest | Support vector machine


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 13
    حجم فایل: 3775 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی