مشخصات مقاله انگلیسی (PDF)
سال انتشار	2010
تعداد صفحات مقاله انگلیسی	6 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و مهندسی پزشکی
گرایش های مرتبط با این مقاله	هوش مصنوعی و پردازش تصاویر پزشکی
مجله	نهمین کنفرانس بین المللی یادگیری ماشین و سیبرنتیک International Conference on Machine Learning and Cybernetics (ICMLC)
دانشگاه	دانشکده کامپیوتر
کلمات کلیدی	عنبیه شناسی، تئوری فازی، فیلتر 2 بعدی گابور
شناسه شاپا یا ISSN	ISSN 2160-1348
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده

1- مقدمه

2- روش های پژوهشی

3- فرایند آزمایشگاهی

3.1 تعیین آستانه

3.2 باز کردن

3.4 موقعیت مردمک چشم

3.5. نرمال سازی عنبیه

3.6 استخراج ویژگی عنبیه 2 بعدی گابور

3.7 آنالیز فازی

4- نتایج آزمایشگاهی

5. نتیجه گیری

• بخشی از ترجمه:

3.7 آنالیز فازی
در مرحله ی آخر آنالیز، این مقاله تئوری فازی را برای آنالیز شدت علایم به کار برده است و بنابراین، اولین مقدار ورودی، نسبت نقاط مشخصه و تعداد منافذ می باشد. مجموعه ی فازی X نشان دهنده ی نسبت، و مجموعه ی فازی y نشان دهنده ی تعداد منافذ می باشد. مجموعه ی فازی X از 0 تا 1 متفاوت می باشد، اما مجموعه ی فازی y تعداد منافذ می باشد یعنی تعداد خوشه ها، که محدوده ای از 0 تا 15 دارد. نتیجه ی نهایی مجموعه ی Z نشان دهنده ی شدت علایم می باشد که از 0 تا 1% متغیر می باشد. مجموعه ی X دارای 3 تابع فازی گوسی می باشد (0و 0.2353و 1) و متغیرها 0.1 و 0.1 و 0.4 می باشد همانطور که در شکل 4 نشان داده شده است. مجموعه ی y دارای 3 تابع فازی گوسی می باشد (0و4و15)، متغیرها (2و2و6) هستند همانطور که در شکل 5 نشان داده شده است. Z در شکل 6 نشان داده شده است.

• بخشی از مقاله انگلیسی:

3.7. Fuzzy analysis

In the last analysis step, this paper applies fuzzy theory for analysis of severity of symptoms, and thus the first input value is proportion of characteristic points and holes number. Fuzzy set of X denotes the proportion, and fuzzy set of Y denotes hole number. Fuzzy set of X varies from 0 to 1, but fuzzy set of Y is hole number, i.e. cluster number, ranging from 0~15. The final result of Z set describes severity of symptoms, from 0~1 %. X set has three Gaussian fuzzy functions (0, 0.2353, 1) and variables are 0.1, 0.1 and 0.4, as shown in Figure 4. Y set has three Gaussian fuzzy functions (0, 4, 15), variables are (2, 2, 6), as shown in Figure 5. Z is shown in Figure 6.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

نوشته دانلود مقاله ترجمه شده بررسی سلامت بر اساس تصاویر IRIS – مجله IEEE 2010 اولین بار در ترجمه فا پدیدار شد.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2009
تعداد صفحات مقاله انگلیسی	4 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی پزشکی و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	هوش مصنوعی و پردازش تصاویر پزشکی
مجله	سمپوزیوم بین المللی سیگنال ها، مدار ها و سیستم ها International Symposium on Signals, Circuits and Systems
دانشگاه	دانشگاه فنی کلوج-ناپکا، گروه الکترونیک پایه، رومانی
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده

I.معرفی

II. تشخیص عنبیه و سیستم آنالیز بافت

A. تشخیص عنبیه و شناسایی

B. آنالیز الگوی عنبیه

C. تشخیص نهایی بیمار

III. نتایج آزمایشگاهی

• بخشی از ترجمه:

IV. نتیجه گیری
هدف اصلی، ایجاد یک سیستمی می باشد که تصاویر چشم را پردازش کند و بر اساس آنالیز بافت عنبیه، اطلاعات مفیدی را در رابطه با حالت فرد از سلامتی و بیماری ارائه کند. بر اساس اطلاعات بافتی یک عنبیه شناس می تواند یک تشخیص صحیح را برای بیمار داشته باشد. عملیاتی بودن سیستم در 3 مرحله ارائه شده است: تشخیص عنبیه، تمرکز نواحی سفید / سیاه و تشخیص مبتنی بر چارت های عنبیه شناسی. با استفاده از روش های پردازش تصاویر پیشرفته و تکنیک های محاسباتی، این سیستم ها احتمال قرارگیری و بیرون کشیدن بخش هایی از تصاویر چشم و ارائه ی اطلاعات مفید را فراهم می کنند.

• بخشی از مقاله انگلیسی:

IV. CONCLUSIONS

The main purpose was to create a system which process eye images and based on the iris texture analysis care provide useful information about the patient state of health. Based on tissue information an iridologist can establish a correct diagnosis for the patient. The system functionality is presented on three stages: iris recognition and extraction, dark/white region localization and generation of a diagnosis based on iridology charts. Using advanced image processing methods and computational techniques the system offers the possibility to locate and extract parts from the eye images and gather useful information.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

نوشته دانلود مقاله ترجمه شده طراحی سیستم تشخیص پزشکی مبنی بر عنبیه – IEEE 2009 اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده
1-مقدمه
2-سیستم بیومتریک قابل لغو
2-1-درهم بافتن کلیدها-جایگشتها و جایگزین کردن
3-آنالیز آسیب پذیری سیستم
4-آزمایش ها
5-نتیجه گیری

• بخشی از ترجمه:

5-نتیجه گیری
در مجموع، سیستم هنوز هم باید در مقادیر بافت پیرامون و بالای %10 برای یک آستانه %60 بیتهای انطباقی آسیب پذیر در نظر گرفته شود. افزودن امنیت فوق العاده در برابر حملات ائتلافی توصیه می کند تا کمتر از %10 بافت در بافت در زیر %80 تا %5 برای این تنظیمات برجای گذارد.
متاسفانه مقادیر EER سیستم قابل حذف بیومتریک، وقتی که کمتر از %10 بافت عنبیه را برای فرایند انطباق افزایش دهنده FNMR همچنین FMR برجای می گذارد، به سرعت رشد می کند.
ترکیب این دو واقعیت بسیار سوال برانگیز است اگر سیستم برای کاربردهای عملی مناسب باشد.
به هرحال به هنگام استفاده از آستانه بالاتر قدرت سیستم در برابر حملات ائتلافی بهبود می یابد. با در نظر گرفتن آستانه %80 بیتهای انطباق فرایند جایگزینی باید کمتر از %30 بافت عنبیه را پشت سرگذارد تا مطابق با تئوری احتمال از حملات ائتلافی جلوگیری نماید. گرچه آستانه بالاتر، FNMR را افزایش می دهد، که مجددا قابلیت کاربرد سیستم برای استفاده روزانه را مورد سوال قرار می دهد.
از این رو، همیشه یک مصالحه بین امنیت و قابلیت استفاده سیستم وجود دارد.

• بخشی از مقاله انگلیسی:

5. CONCLUSION

Summing it up, the system has to be considered still vulnerable at texture values above and around 10% for a threshold of 60% matching bits. Adding extra security against coalition attacks recommends to leave less than 10% of texture behind going below 8% to 5% for this setup. Unfortunately the EER values of the cancelable biometric system goes up rapidly when leaving less then 10% of iris texture to the matching process increasing the FNMR as well as the FMR. Incorporating these two facts it is highly questionable if the system is suitable for practical application. However when using a higher threshold the strength of the system against coalition attacks improves. Given a threshold of 80% matching bits the remapping process has to leave less than 30% of iris texture behind to prevent coalition attacks according to probability theory. Though a higher threshold increases the FNMR, which again questions usability of the system for everyday use. Hence, there is always a tradeoff between security and usability of a system.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده تحلیل سیستم تشخیص عنبیه مبتنی بر جایگزینی بلاک – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

خلاصه
1. مقدمه
2.تشخیص عنبیه چشم و بافت سیستم تجزیه و تحلیل
2. 1 تشخیص و شناسایی عنبیه
2. 2 تجزیه و تحلیل رنگ عنبیه
2. 3 تجزیه و تحلیل الگوی عنبیه
2. 4 آخرین کمک تشخیص نسل
3. نتایج تجربی
4. نتیجه گیری

• بخشی از ترجمه:

4. نتیجه گیری
در حال حاضر هدف، ارائه طراحی و عملکرد یک راه حل خودکار (اتوماتیک) برای تجزیه و تحلیل بافت تصویر عنبیه است. با استفاده از مطالعات و تجربه های جمع آوری شده توسط عنبیه شناسان، که می تواند ثابت کند که مراقبت از آنالیز بافت عنبیه می تواند اطلاعات مفیدی را در باره وضعیت سلامت بیمار تهیه کند، سیستم ممکن است یک راه حل قابل اعتماد سودمند در مقایسه با معاینه دستی ارائه دهد.
سیستم با استفاده از تکنیک پردازش تصویر و الگوریتم های اجرا شده در Matlab اجرا شد. از آنجا که نیاز به تایید کاربر برای تشخیص سیستم برای پیدا کردن آن به عنوان سیستم نیمه خودکار است، اما استفاده از ان به عنوان رابط کاربری دوستانه آسان است. این سیستم برای عنبیه شناسان مفید است اما دارای برخی مشکلات می باشد.
محاسبه زمان در مورد تصاویر بزرگ مقیاس ممکن است بالا باشد و سطح حافظه استفاده شده، یک پیشرفته.
شناسایی رنگ در مورد کیفیت پایین تصویر، یا ناهنجاری های بافت می تواند اشتباه باشد. به رسمیت شناختن منطقه لکه (نقطه ها) ممکن است در مورد شناسایی جعلی رنگ، یا بُعد هماهنگی نامناسب نمودار یا تطبیق نا مناسب چارت ممکن اشتباه باشد. بهره وری از تشخیص نهایی توسط سطحی از جزئیات نمودار عنبیه شناسی، و البته توسط مهارت کاربر تحت تاثیر قرار گرفته است.

• بخشی از مقاله انگلیسی:

IV. CONCLUSSIONS

The goal of the current is to present the design and functionality of an automatic solution for iris texture image analysis. Using the studies and experience gather by iridologists, which can prove that iris texture analysis care provide useful information about the patient state of health, the system may come handy offering a reliable solution compared to the manual examination.

The system was implemented using image processing techniques and algorithms implemented in Matlab. Because it need a user approval for the diagnostic the system as find it is semiautomatic, but easy to use due to its friendly interface. The system is useful for iridologists but it has some drawbacks.

In the case of large scale images the computational time may be high and the level of memory used, an increased one.

Color identification can be erroneous in the case of low level image quality, or texture malformations. The recognition of the spots region may be wrong in the case of false color identification, or improper chart dimension synchronization or improper chart matching.

The efficiency of the final diagnosis is influenced by the level of detail of the iridology chart, and of course by the skill of the user

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله سیستم تشخیص پزشکی بر اساس تجزیه و تحلیل عنبیه اولین بار در ترجمه فا پدیدار شد.