دانلود رایگان ترجمه مقاله الگوریتم های پردازش تصویر دیجیتال در رتینوپاتی دیابتی (نشریه الزویر ۲۰۰۹) (ترجمه ارزان – نقره ای ⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۱۵ صفحه در سال ۲۰۰۹ منتشر شده و ترجمه آن ۳۷ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت ناقص ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم های پردازش عکس دیجیتال در رتینوپاتی دیابتی

عنوان انگلیسی مقاله:

Algorithms for digital image processing in diabetic retinopathy

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۰۹
تعداد صفحات مقاله انگلیسی ۱۵ صفحه با فرمت pdf
رشته های مرتبط با این مقاله پزشکی و مهندسی پزشکی
گرایش های مرتبط با این مقاله پردازش تصاویر پزشکی، غدد و متابولیسم
چاپ شده در مجله (ژورنال) گرافیک و تصویربرداری پزشکی با کامپیوتر – Computerized Medical Imaging and Graphics
کلمات کلیدی رتینوپاتی دیابتی، تشخیص به کمک رایانه، تصویربرداری دیجیتال، پردازش تصویر
ارائه شده از دانشگاه پژوهشکده علوم بهداشت و توانبخشی، دانشگاه اولستر، انگلستان
رفرنس دارد  
کد محصول F1551
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۳۷ صفحه (۴ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
منابع داخل متن درج نشده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 
توضیحات بخش هایی از این مقاله ترجمه نشده است.

 

فهرست مطالب

چکیده
۱- مقدمه
۲- روش شناسی بررسی آثار مربوطه
۳- نتایج بررسی آثار
۴- بررسی آثار
۴-۱ پیش پردازش عکس های رنگی دیجیتال از شبکیه (A)
۲-۴ جای دادن (موضعی کردن) و تقسیم بندی دیسک نوری (B)
۳-۴ تقسیم بندی سیستم وریدی شبکیه (C)
۴-۴ محلی سازی فووآ و ماکولا (D)
۴-۵ تشخیص رتینوپاتی دیابتی
۵- بحث

 

 

بخشی از ترجمه
 چکیده
این مقاله، آثار اخیر در مورد پردازش تصویر دیجیتال در زمینه رتینوپاتی دیابتی را بررسی می کند. الگوریتم های این مقاله، به پنج گام (پیش پردازش، محلی سازی و تقسیم بندی دیسک نوری، تقسیم بندی عروق شبکیه و تقسیم بندی رتینوپاتی) تقسیم می شود. در این مقاله روی تنوع اقدامات حاصل، استفاده از یک استاندارد طلایی یا حقیقت اساسی، سایز نمونه داده و استفاده مجموعه داده های تصویری بحث می شود. منظور این است که طبقه ما از الگوریتم ها و تبدیل آن به چند دسته کوچک، تعریف اصطلاحات و بحث روی تکنیک های موجود، طراحان الگوریتم را برای رتینوپاتی دیابتی راهنمایی می کند.
 
۱- مقدمه
در طول دهه گذشته، عکاسی دیجیتال رنگی با وضوح بالا به عنوان یک روش قابل قبول برای مستندسازی ظاهر شبکیه شناخته شده است. تصاویر با استفاده از یک دوربین دیجیتال معمولی که به بدنه یک دروبین شبکیه متصل شده و برای جبران بینایی چشم مورد استفاده قرارمی گیرد، گرفته می شود. فرمت دیجیتال، یک ثبت دائمی و با کیفیت بالا از ظاهر شبکیه در هر نقطه از زمان ایجاد می کند. ذخیره سازی، بازیابی و انتقال الکترونیک بدون کاهش کیفیت تصویر امکان پذیر است.
یکی از کاربردهای تصویربرداری دیجیتال شبکیه که به خوبی شناخته شده است، برنامه های رتینوپاتی دیابتی (DR) است. این بیماری، شایع ترین علت نابینایی در افرادی است که در سن کار قرار دارند و برای پیشگیری از افت بینایی نیز درمان موثر آن موجود است ولی تا انتهای فرآیند بیماری بدون علامت باقی می ماند. کمیته غربالگری ملی بریتانیا در حال حاضر با استفاده از تصویربرداری دیجیتال شبکیه برای بیماران دیابتی ۱۲ سال به بالا، به صورت سالانه غربالگری انجام می دهد. (www.nscretinopathy.org.uk) می توان این تصاویر را در محل مناسبی در خانه یا محل کار بیمار گرفت و سپس داده ها را برای خواندن و تفسیر توسط کارشناسان به یک مکان مرکزی ارسال کرد. تضمین کیفیت باید جزء جدایی ناپذیر هر برنامه غربال گری باشد و مثلا در برنامه غربال گری سینه (پستان)، کسر بالای از تمام تصاویر باید دو بار خوانده شود.
رشد جمعیت، جمعیت پیر، عدم فعالیت بدنی و افزایش میزان چاقی، عوامل موثر در افزایش شیوع دیابت است. انتظار می رود که شیوع جهانی دیابت از ۲٫۸ درصد در سال ۲۰۰۰ بع ۴٫۴ درصد جمعیت جهان تا سال ۲۰۳۰ برسد. در بریتانیا، تعداد افراد دیابتی تقریبا ۲۳ میلیون نفر است (www.diabetes.org.uk). اگر تمام افراد دیابتی، تحت غربال گری منظم با چارچوب دارای کیفیت تضمین شده قرار گیرند، حجم کار بالا می رود. درجه بندی تصاویر شبکه ای برای حضور رتینوپاتی دیابتی، تا حد زیادی یک کار تشخیص الگو می باشد. ویژگی های معمولی رتینوپاتی دیابتی، میکروآنوریسم ها، خون ریزی نقطه کوچک داخل شبکیه، خونریزی بلات است که تمام آنها ضایعات قرمز هستند و برای ترشحات چربی نمونه، شاهد ضایعات سفید هستیم و نقاط پشم پنبه که میکروارنفارکت های لایه فیبر عصبی هستند نیز ضایعات سفید از خود بر جای می گذارند. به کارشناسان آموزش داده می شود تا این ضایعات را در مقایسه با حالت شبکیه چشم بشناسند. با فازیش جمعیت دیابیتی و افزایش نیاز به مسیرهای تضمین کیفیت، اقداماتی که در ۱۰ الی ۱۵ سال گذشته در راستای بررسی اینکه کدامیک از این ضایعات را می توان با کمک کامپیوتر و با الگوریتم های تشخیص الگو شناسایی کرد، به هیچ وجه شگفت انگیز نیست.
فرآیند تشخیص الگوهای متعدد و روابط آنها در تصویر شبکیه، از یک سری عملیات یا مراحل با عملیات پردازش تصویر سطح پایین که مبنایی برای آنالیز سطح بالاتر است، تشکیل می شود. تصاویر دیجیتال شبکیه معمولا در یک توالی الگوریتمی با خروجی یک مرحله که ورودی مرحله بعد را تشکیل می دهد، پردازش می شود. برای مثال، یک توالی نمونه ممکن است از یک یا چند روش پیش پردازش تشکیل شود که بعد از آن تقسیم بندی تصویر، استخراج ویژگی و مراحل طبقه بندی انجام می شود. پیش پردازش می تواند برای طبیعی سازی روشنایی تصویر به کار رود و برای یکنواخت نبودن تصویر، کاهش اختلالات یا کاهش مشکلات تصویر مناسب است. تقسیم بندی، تصویر را به ناحیه ها یا اجسام تشکیل دهنده آن یعنی عروق خونی شبکیه، سر عصب بینایی یا ضایعات آسیب شناختی تقسیم می کند. استخراج ویژگی معمولا اطلاعات کمی موارد تقسیم شده را حساب می کند. می توان از ویژگی های استخراج شده در جهت طبقه بندی اشیاء بر اساس معیارهای از پیش تعیین شده از قبیل سایز، موفولوژی (شکل شناسی) و رنگ استفاده کرد.
اهداف این مطالعه، عبارت است از:
۱٫ مرور آثار مربوطه در یک دوره ۱۰ ساله در زمینه پردازش تصویر دیجیتال در DR؛
۲٫ ارائه منابع دقیق از الگوریتم‌های استفاده شده به پژوهشگران؛
۳٫ دسته بندی آثار به یک سری عملیات و مراحل؛
۴٫ شناسایی زمینه های بالقوه برای پیشبرد طراحی و گزارش دهی پروژه.
سازمان دهی این مقاله به این صورت است که بخش ۲، روش شناسی به کاررفته در مرور آثار مرتبط را توصیف می کند. بخش ۳ نتایج این بررسی را ارائه می دهد. بخش ۴ یک بررسی دقیق از مراحل محاسباتی معمول برای تشخیص ویژگی های شبکیه انجام می دهد. عملیات پردازش تصویر برای تشخیص سر عصب بینایی، عروق شبکیه، فرورفتگی، ماکولا و رتینوپاتی توصیف می شود. ما در بخش ۲ با بحث در مورد روند و جهت گیری اخیر برای کارهای آتی، نتیجه گیری می کنیم.

 

بخشی از مقاله انگلیسی

Abstract

This work examined recent literature on digital image processing in the field of diabetic retinopathy. Algorithms were categorized into 5 steps (preprocessing; localization and segmentation of the optic disk; segmentation of the retinal vasculature; localization of the macula and fovea; localization and segmentation of retinopathy). The variety of outcome measures, use of a gold standard or ground truth, data sample sizes and the use of image databases is discussed. It is intended that our classification of algorithms into a small number of categories, definition of terms and discussion of evolving techniques will provide guidance to algorithm designers for diabetic retinopathy.

 

۱ Introduction

Over the last decade, high resolution color digital photography has been recognized as an acceptable modality for documenting retinal appearance. Images are easily captured using a conventional digital camera back, attached to a retinal camera body designed to compensate for the optics of the eye. The digital format provides a permanent, high quality record of the appearance of the retina at any point in time. Electronic storage, retrieval and transmission are possible without loss of image quality.

One well recognized application for retinal digital imaging is within screening programs for diabetic retinopathy (DR). This disease is the commonest cause of blindness in people of working age, has an effective treatment available to prevent vision loss but is asymptomatic until late in the disease process. The UK National Screening Committee currently recommends annual screening for all diabetic patients aged 12 years and over, using digital retinal photography (www.nscretinopathy.org.uk). Images may be captured at a venue convenient to the patient’s home or work and data then transferred to a central location where they are read and interpreted by trained graders. Quality assurance must be an integral component of any screening programme, and as in breast screening programs, a high proportion of all images should be double read.

Population growth, an aging population, physical inactivity and increasing levels of obesity are contributing factors to the increase in the prevalence of diabetes. The global prevalence of diabetes is expected to rise from 2.8% in 2000 to 4.4% of the global population by 2030 [1]. In the UK the number of diabetic people is approximately 2.3 million (www.diabetes.org.uk). If all diabetic people are to undergo regular screening within a quality assured framework, the workload is going to be substantial.

Grading retinal images for the presence of diabetic retinopathy is largely a pattern recognition task. The typical features of diabetic retinopathy are microaneurysms, small intra retinal dot hemorrhages, larger blot hemorrhages, all of which are red lesions, and whitish lesions for example lipid exudates, and cotton wool spots which are nerve fiber layer microinfarcts. Graders are taught to recognize these lesions against the background appearance of the ‘normal retina’. With an increasing diabetic population and the need for quality assurance pathways, it is not surprising that considerable effort has been spent over the past 10–۱۵ years on investigating whether these lesions could be detected by computer aided pattern recognition algorithms.

The process of detecting multiple patterns and their relationship within a retinal image is made up of a series of operations or steps, with low-level image processing operations providing a basis for higher level analysis. Digital retinal images are usually processed in an algorithmic sequence, with the output of one stage forming the input to the next. For example, a typical sequence may consist of one or more preprocessing procedures followed by image segmentation, feature extraction and classification stages. Preprocessing may be used to normalize image brightness, correct for image nonuniformity, reduce noise or reduce image artifacts. Segmentation decomposes an image into its constituent regions or objects, for example retinal blood vessels, optic nerve head or pathological lesions. Feature extraction typically computes quantitative infor mation from the segmented objects. The extracted features can be used to classify objects according to predetermined criteria such as size, morphology and color. The objectives of this paper are

(۱) to review the relevant literature over a 10 year period in the field of digital image processing in DR;

(۲) to provide researchers with a detailed resource of the main algorithms employed;

(۳) to categorize the literature into a series of operations or steps;

(۴) to identify potential areas for improving research design and reporting.

The paper is organized as follows: Section 2 describes the methodology used for the literature review. Section 3 gives the results of the review. Section 4 provides a detailed survey of the common computational steps for detecting retinal features. The image processing operations for detecting the optic nerve head, retinal vasculature, fovea, macula and retinopathy are described. We conclude in Section 2 by discussing recent trends and directions for future work.

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم های پردازش عکس دیجیتال در رتینوپاتی دیابتی

عنوان انگلیسی مقاله:

Algorithms for digital image processing in diabetic retinopathy

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *