Математична модель обробки патологій очного дна

Автор(и)

  • В. П. Кожем'яко Вінницький національний технічний університет
  • Т. А. Мартьянова Вінницький національний технічний університет

Ключові слова:

патологія очного дна, фільтрація, зона патології, площа патології, класифікація, кластеризація, нечітка логіка, критерій ефективності

Анотація

В статті розглянута удосконалена математична модель фільтрації на основі напівтонових бінаризованих відліків препаратів зображення очного дна, а також математичних моделей вимірювання зони патології та обчислення її площі та моделей класифікації зображень очного дна на основі нечіткої кластеризації c-means, порівняльний аналіз ефективності моделей розпізнавання зображень очного дна.

Біографії авторів

В. П. Кожем'яко, Вінницький національний технічний університет

д. т. н., професор, завідувач кафедри лазерної та оптоелектронної техніки

Т. А. Мартьянова, Вінницький національний технічний університет

аспірантка кафедри лазерної та оптоелектронної техніки

Посилання

1. Спектроскопічний метод оцінювання сукон’юктивного судинного русла ока / С. В. Павлов, П. Ф. Колісник, В. Д.Мартинюк, А. О. Рожман // Оптико-електронні інформаційно-енергетичні технології. — 2009. — № 1(17). — С. 164—169.
2. Вовкотруб Д. В. Створення блоків нечіткої логіки біомедичної системи для аналізу структурних змін при діагностиці томограм ока ОКТ / С. В. Павлов, Д. В. Вовкотруб // Вимірювальна та обчислювальна техніка в технологічних проціесах. — 2013. — № 2(43). — С. 146—152.
3. Optoelectronic structures of Eye-processing of coherent tomographic images / V. P. Kozhemiako, S. V. Pavlov, A. A. Rozhman [та ін.] // Щптоелектронні інформаційні технології «ФОТОНІКА-ОДС-2010». — Вінниця, 28—30 вересня 2010 р. — С. 101—102.
4. Методи покращення якості візуалізації біомедичних зображень / С. В. Павлов, Д. В. Вовкотруб, Р. Ю. Довгалюк, Хані Аль-Зубі // ХХXV міжнародна науково-практична конференція «Застосування лазерів в медицині і біології» 25—28 трпвня 2011 р. : тези доповідей. — Харків : ХНУ імені В. Н. Каразіна, 2011. — С. 219—221.
5. Ramella G . E xtracting T hin L ines i n G ray-Level Images // Pattern Recognition and Image Analysis. — 1995. — V. 5. — № 4. — P. 570—576.
6. Кожемяко В. П. Корреляционный анализ изображений на основе приминения метода S-препарирования / Тимченко Л. И., Кутаев Ю. Ф., Кожемяко В. П., Чепорнюк С. В., Ивасюк И. Д., Макаренко Р. В., Загоруйко Т. А. — Киев : Наукова думка. — 2009. — 156 с
7. Serra J. Image Analysis and Mathematical Morphology. — New-York : Academic, 1982.
8. Structural analysis of retinal vessels / A. J. Frame, P. E. Undrill, J. A. Olson et al. // Proc. of Sixth international conference on image processing and its applications. — 1997. — V. 2. — P. 824—827.
9. Subsol G., Thirion J. Ph., Ayache N. Non rigid registration for building 3D anatomical atlases //Proc. of 12-th IAPR international conference on pattern recognition. V. 1. — Jerusalem, Israel, 1994. — P. 576—557.
10. System for Analysis of Medical Images of Histological Objects / A. M. Nedzved, S. V. Ablameyko, B. V. Nalibotsky, Y. G. Iliych // Pattern Recognition and Image Analysis. — V. 11. — № 4. — 2001. — P. 732—742.
11. Ritter G. X., Wilson J. N. Handbook of Computer Vision Algorithms in Image Algebra. — CRC Press, Boca Raton, Florida, USA, 1996. — 357 p.
12. Sanniti di baja G., Thiel E. Computing and comparing distancedriven skeleton // Proc. of 2nd international workshop on visual form. — Italy, 1994. — P. 475—486.
13. Gamba P., Marazzi A. A comparison between wavelet and threshold detection of rain patterns from radar data // Proc. of sixth international conference on image processing and its applications. — 1997. — V. 2. — P. 541—545.
14. Identification of retinal vessels by color image analysis / V. Rakotomalala, L. Macaire, J.-G. Postaire, M. Valette // Machine graphics & vision. — 1998. — V. 7. — № 4. — P. 725—743.
15. Image manipulation using M-filters in a Pyramidal computer model / M. E. Montiel, A. S. Agueado, M. A. Garza-Jinich et al. // IEEE trans. on pattern analysis and machine intelligence. — 1995. — V. 17, 111. — P. 1110—1115.
16. G. D. Joshi, J. Sivaswamy. Colour Retinal Image Enhancement based on Domain Knowledge // Sixth Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP'08), 2008, Рp. 591—598.
17. J. Soares, J. Leandro, R. Cesar Jr., H. Jelinek, M. Cree. Retinal Vessel Segmentation Using the 2-D Gabor Wavelet and Supervised Classification // IEEE Transactions of Medical Imaging, Vol. 25, No. 9, 2006, — Рp. 1214—1222.
18. M.Welk, M. Breub, O.Vogel. Differential Equations for Morphological Amoebas // Lecture Notes in Computer Science, Vol. 5720/2009, 2009. — Рp. 104—114.
19. M. Patasius, V. Marozas, D. Jegelevieius, A. Lukosevieius. Recursive Algorithm for Blood Vessel Detection in Eye Fundus Images : Preliminary Results // IFMBE Proceedings, Vol. 25/11, 2009. — Рp. 212—215.
20. S. Nagashima, K. Ito, T. Aoki, H. Ishii, K. Kobayashi High Accuracy Estimation of Image Rotation using 1D Phase-Only Correlation // IEICE Trans.Fund. v. E92-A. — Р. 235—243, 2009.
21. Левашкина, А. О. Сравнительный анализ супервизорных критериев оценки качества сегментации изображений / А. О. Левашкина, С. В. Поршнев // Информационные технологии. — 2009. — № 5. — С. 52—57.
22. Петров Е. П. Вычисление статистической избыточности статических изображений / Е. П. Петров, Медведева Е. В. // Вопросы радиоэлектроники, сер. РЛТ, 2008, вып. 3 — Москва, 2008. — С. 76—83.

##submission.downloads##

Переглядів анотації: 304

Опубліковано

2014-12-25

Як цитувати

[1]
В. П. Кожем’яко і Т. А. Мартьянова, «Математична модель обробки патологій очного дна», Опт-ел. інф-енерг. техн., вип. 28, вип. 2, с. 81–89, Груд 2014.

Номер

Розділ

Біомедичні оптико-електронні системи та прилади

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають

<< < 1 2 3 4 5 > >>