کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6951622 1451699 2018 32 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic retinal vessel segmentation using multi-scale superpixel chain tracking
ترجمه فارسی عنوان
تقسیم عروق اتوماتیک شبکیه با استفاده از ردیابی زنجیره ای فوق العاده پیکسل چند منظوره
ترجمه چکیده
جداسازی رگ شبکیه و اطلاعات ساختاری آن برای تشخیص و درمان بسیاری از بیماری ها از طریق کامپیوتر کمک زیادی می کند. این کار پیشنهاد یک روش ردیابی زنجیره ای مبتنی بر ابرپیکسل برای تقسیم عروق شبکیه را پیشنهاد می کند. ابتدا یک چارچوب تقسیمبندی فوق العاده پیکسل در مقیاس چندگانه برای تقسیم تصویر به تکه ها، که به عنوان واحد اصلی روش ردیابی کشتی استفاده می شود، توسعه داده شده است. دوم، یک مدل زنجیره کشتی که شامل مجموعه ای از گره های سوپرپیکسل است، برای جداسازی دقیق عروق کوچک پیشنهاد شده است. سوم، ردیابی رگ ها با یک روش دو مرحلهای انجام می شود که در آن مناطق کشتی با کیفیت تصویر خوب و بد عمل می کنند متفاوت است. در نهایت یک روش حداکثر شیب پیشنهاد شده برای تخمین خط مرزی و مرز کشتی است. روش پیشنهادی بر روی داده های مصنوعی و مجموعه داده های تصویر شبکیه عمومی تأیید شد. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند اسکلت های عروقی را دقیقا پیگیری کند و دقت ردیابی می تواند به 0.9636 برسد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
The segmentation of retinal vessel and its structure information are important for computer-aided diagnosis and treatment of many diseases. This work proposes a superpixel-based chain tracking method for segmentation of retinal vessels. First, a multi-scale superpixel segmentation framework is developed to split the image into patches, which are utilized as the basic unit of the vessel-tracking procedure. Second, a vessel chain model which consists of a series of superpixel nodes is proposed for accurately segmenting small vessels. Third, vessel tracking is achieved by a two-stage procedure where vessel regions with good and bad imaging quality are handled differently. Finally, a maximum gradient method is proposed to estimate the vessel centerline and boundary. The proposed method was validated on synthetic data and public retinal image datasets. Experimental results demonstrate that the proposed method can accurately track the vascular skeletons, and the tracking accuracy can reach 0.9636.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 81, October 2018, Pages 26-42
نویسندگان
, , , , , , , ,