በራስ -ሰር የስኳር በሽታ የሬቲኖፓቲ ምርመራ በ MATLAB በኩል - 33 ደረጃዎች

2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:33

(ከላይ ያለውን የኮድ ዝርዝር ይመልከቱ)

የስኳር በሽታ ሬቲኖፓቲ በከፍተኛ የደም ስኳር መጠን ምክንያት ከስኳር በሽታ ጋር የተያያዘ የዓይን በሽታ ነው። ከፍ ያለ የደም ስኳር መጠን በሬቲና ውስጥ ያሉት የደም ሥሮች ያበጡታል ፣ ይህም ወደ የደም ሥሮች መስፋፋት አልፎ ተርፎም የመርከቦች መፍሰስ ያስከትላል ፣ ይህም በሬቲና ምስሎች ውስጥ ወደ ጥቁር ነጠብጣቦች ይመራል። በዚህ ኮድ ፣ ምንም እንኳን በእውነተኛው ዓለም ውስጥ ተጨማሪ የምርመራ ዘዴዎች ቢያስፈልጉም ፣ የደም ሥሮች የሚንጠባጠቡ ቦታዎችን እንደ ዳራ የዲያቢቲ ሬቲኖፓቲ አመላካችነት ለመጠቀም ዓላማችን ነው። የዚህ ኮድ ዓላማ በሬቲና ምስሎች ውስጥ በጨለማ ነጠብጣቦች በኩል የሚታየውን የዲያቢቲ ሬቲኖፓቲ ምልክቶችን ለመለየት የምስል ማቀነባበር እና የሬቲና ምስሎችን መመርመር ነው።

10 መደበኛ የሬቲን ምስሎች እና 10 ምርመራ የተደረገባቸው የሬቲን ምስሎች በተወሰነው ደፍ ላይ በመመርኮዝ የዲያቢቲ ሬቲኖፓቲ ምልክቶች መኖራቸውን ለማወቅ በመጀመሪያ ምስሎቹን በሚያነብ እና በሚያጣራ እና ከዚያም ጥቁር ነጥቦችን በመለካት በኮድ ተከናውነዋል። ከዚያ ውጤቶቹ ለተመልካች ትርጓሜ በትእዛዝ መስኮት ላይ ይታተማሉ።

ደረጃ 1 ቅድመ -ሁኔታዎች

1. የ MATLAB ፕሮግራም በኮምፒተርዎ ላይ የወረደ መሆኑን ያረጋግጡ።

2. በአገናኝ ውስጥ የተገኘውን txt ፋይል ያውርዱ። (እንደ MATLAB ኮድ ወደ ተመሳሳይ ማውጫ ለማስቀመጥ 'ctrl+s' ን ይጫኑ)

ደረጃ 2 - ቅድመ -ሁኔታዎች (አልያዙም)

4. MATLAB ን ይክፈቱ እና በትእዛዝ መስኮቱ ውስጥ ‹uiimport› ን ይተይቡ።

5. officialdiagnoses.txt ፋይልን ይምረጡ እና እንደ ሕዋስ ማትሪክስ ወደ MATLAB ያስመጡ።

6. 'officialdiagnoses' በስራ ቦታው ውስጥ እንደ ተለዋዋጭ ማየትዎን ያረጋግጡ።

ደረጃ 3: ቅድመ -ሁኔታዎች (አልያዙም)

7. ModWald.m ን ተግባር ያውርዱ ፣ ይህም ከላይ ካለው ኮድ ሊያገኝ ወይም ከሸራ ሊወርድ ይችላል።

(በፕሮፌሰር ኪንግ እና በፕሮፌሰር ቾይ የቀረበ ኮድ)

ደረጃ 4: ቅድመ -ሁኔታዎች (አልያዙም)

8. 400 ጥሬ ምስሎቹን ከ STARE ፕሮጀክት የውሂብ ክፍል ያውርዱ።

ደረጃ 5 ለአሂድ ኮድ ለመዘጋጀት Matlab ን ያፅዱ

ወደ ኮድ አክል ፦

1. ሁሉንም ይዝጉ (ቀደም ሲል የተከፈቱ ሁሉንም ምስሎች ይዘጋል)

2. ማጽጃዎች - ኦፊሴላዊ ምርመራዎች በስተቀር (ቀደም ሲል ከውጪ የመጣውን txt ፋይል ከመረመረ በስተቀር ሁሉንም ተለዋዋጮች ያጸዳል)

3. cclc (የትእዛዝ መስኮትን ያጸዳል)

ደረጃ 6 የስኳር በሽታ የሬቲኖፓቲ ምልክቶች ያሉ 10 መደበኛ የዓይን ምስሎችን እና 10 ምስሎችን ይምረጡ

1. የምርመራውን ጽሑፍ ፋይል ይውሰዱ እና የምስል ስሞችን ያውጡ። እነዚህ ስሞች “officialdiagnoses (:, 1)” ብለው ለመፃፍ በጽሑፉ ፋይል የመጀመሪያ ዓምድ ውስጥ ተይዘዋል። የምስል ስሞች ማትሪክስ ለተለዋዋጭ ፣ “all_image_numbers” ተመድቧል።

2. የሴል 2 ማት ተግባሩን በመጠቀም የ all_image_numbers ተለዋዋጭውን ከሴል ድርድር ወደ ማትሪክስ ድርድር ይለውጡ

ደረጃ 7 - 10 መደበኛ የዓይን ምስሎችን እና 10 የዲያቢቲክ የሬቲኖፓቲ ምልክቶች (10) ምስሎችን ይምረጡ።

3. ኮዱን ለማስኬድ 10 የተለመዱ የዓይን ምስሎችን ይምረጡ። በዚህ ጉዳይ ላይ የተመረጡት ምስሎች 278 ፣ 199 ፣ 241 ፣ 235 ፣ 35 ፣ 77 ፣ 82 ፣ 164 ፣ 239 ፣ 170 ነበሩ።

እነዚህን ቁጥሮች በማትሪክስ ውስጥ ያስቀምጡ እና ምስሎቹን በሚጭኑበት ጊዜ ለሚጠራው ተለዋዋጭ ይመድቧቸው።

4. በስኳር በሽታ የሬቲኖፓቲ ምርመራ ለተደረገባቸው የሬቲና ምስሎች ደረጃ 3 ይድገሙት። በዚህ ጉዳይ ላይ የተመረጡት ምስሎች 139 ፣ 137 ፣ 136 ፣ 135 ፣ 133 ፣ 140 ፣ 141 ፣ 116 ፣ 157 ፣ 188 ነበሩ።

ደረጃ 8 2 ተለዋዋጮችን (መደበኛ እና ምርመራ የተደረገ) ይፍጠሩ እና እያንዳንዳቸውን ወደ 0 ያዋቅሯቸው

የሉፕ ቁጥሮችን ለማስጀመር ከሉፕው በፊት እነዚህን ተለዋዋጮች ይፍጠሩ።

ደረጃ 9 መደበኛ ምስሎችን በራስ -ሰር ለመስቀል Loop ን ይፍጠሩ

1. ለሉፕ ይፍጠሩ

2. የመቁጠር ተለዋዋጭ (i ፣ በዚህ ሁኔታ) ወደ እሴቶች ማትሪክስ 1-10 ያዘጋጁ። ይህ ቆጠራ ተለዋዋጭ እያንዳንዱን ምስል ለየብቻ ለመጥራት ያገለግላል

3. የቁጥር num2str ተግባሩን በመጠቀም የምስል ስሙን ከአንድ ሕብረቁምፊ ወደ ቁጥር ለማውጣት እና ለመለወጥ በምስሎች ማትሪክስ ውስጥ ያለውን i አባል ይውሰዱ።

የቁጥር ተግባሩን በመጠቀም በምስሉ ስም ውስጥ ያሉትን አሃዞች ቁጥር ያግኙ። ይህንን እሴት ለተለዋዋጭ ፣ አሃዞች_ተለመደ መድብ። ይህ ቁጥር ለአንድ ነጠላ አሃዝ ቁጥሮች 1 ፣ ለባለ ሁለት አሃዝ ቁጥሮች 2 እና ለሶስት አሃዝ ቁጥሮች 3 መሆን አለበት። ይህ መረጃ ምስሎችን በራስ -ሰር ለመጥራት ስራ ላይ ይውላል።

ደረጃ 10 መደበኛ ምስሎችን በራስ -ሰር ለመስቀል Loop ን ይፍጠሩ (አያምኑም)

3. ከቀዳሚዎቹ ደረጃዎች ሦስቱን አጋጣሚዎች የያዘ መግለጫ ከሆነ ይፍጠሩ። የምስሉ ስም 1 አሃዝ ካለው ፣ ምስሉ እንደ “im000” ፣ 2 አሃዝ ካለው ፣ ምስሉ “im00” ተብሎ ይጠራል ፣ እና 3 ካለው ምስሉ “im0” ተብሎ ይጠራል።

4. መግለጫ ከሆነ በእያንዲንደ ስር ተዛማጅ ስር ሇሚመሇከተው “ኢም” ሇተመሇከተው ተለዋዋጭ ፣ ከዜሮዎች አግባብ ቁጥር ጋር (ከላይ በተገለጸው መሠረት) ከሆነ ፣ i.

ደረጃ 11 - የምስሉን ድንበሮች ይከርክሙ

ጥቁር ድንበሮችን ለማስወገድ እና ለተለዋዋጭ I_crop ለመመደብ የመጀመሪያውን ምስል ያንሱ እና የማይመች ማጣሪያ ይተግብሩ። የሰብል ሬክታንግል ማትሪክስ [95 ፣ 95 ፣ 500 ፣ 410] በመጠቀም ይገለጻል።

ደረጃ 12-ግራጫ-ልኬት ምስል ይፍጠሩ

የተቆረጠውን ምስል ያንሱ እና ምስሉን ወደ ግራጫ ለመለወጥ የ rbg2gray ማጣሪያን ይተግብሩ። ይህንን ምስል ለተለዋዋጭ I2 መድብ።

ደረጃ 13 ንፅፅራዊ ምስል ይፍጠሩ

ምስሉን I2 ያንሱ እና የጥንካሬ እሴቶችን እንደገና ለማስተካከል ኢ -ሚዛንን ይጠቀሙ።

በክልል [0.2 ፣ 0.7] ውስጥ የሚወድቁ እሴቶችን ይውሰዱ እና እንደገና ወደ [0 ፣ 1] ያድሱ። ምስሉ የበለጠ ብሩህ እንዲሆን ጋማው ወደ 0.8 ተቀናብሯል። አዲሱን ምስል ወደ I_adjusted መድብ።

ደረጃ 14 የንፅፅር ምስልን ያሻሽሉ

I_adaded image ን ያንሱ እና ንፅፅሩን ለማሻሻል የ adapthisteq ተግባርን ይጠቀሙ።

የ Adapthisteq አገባብ የምስል ስም ፣ I_adjusted ፣ ‘numTiles’ ፣ የቁጥሮች መጠን ፣ ‹nBins› እና የእቃ መጫኛዎች ብዛት ይፈልጋል። የ numTiles መጠን ወደ [8 8] ተቀናብሯል ፣ ምስሉን በ 8x8 ሰቆች በመከፋፈል የገንዳዎቹ ቁጥር ወደ 28 ተቀናብሯል። ምስሉን ለ I_constrast መድብ።

ደረጃ 15 - አማካይ ማጣሪያ ይፍጠሩ

የ fspecial ተግባርን በመጠቀም ‹meanfilt› የሚባል ተለዋዋጭ ይፍጠሩ። ለተንሸራታች የመስኮት መጠን አማካይ ማጣሪያን ለመፍጠር እና [90 90] ን ለማስገባት ‹አማካይ ተግባር› ያስገቡ።

ደረጃ 16: አማካኝ ማጣሪያን ከተቃራኒው ምስል ጋር ያጣምሩ

Mask_mean የተባለ አዲስ ተለዋዋጭ ይፍጠሩ እና የ I_contrast ምስልን ለማንሳት እና ቀደም ሲል የተፈጠረውን አማካይ ማጣሪያ ለመተግበር የኢሜል ማጣሪያ ተግባሩን ይጠቀሙ።

ደረጃ 17 ፒክሴሎችን በመቀነስ አዲስ አማካይ ጭምብል ያድርጉ

Mask_mean2 የሚባል ተለዋዋጭ ይፍጠሩ እና በ mask_mean ውስጥ ካለው ተጓዳኝ ፒክሰል በ I_contrast ውስጥ የእያንዳንዱን ፒክሴል ዋጋ ለመቀነስ የማይነቃነቅ ተግባርን ይጠቀሙ።

ደረጃ 18 የሁለትዮሽ ማጣሪያ ምስል ይፍጠሩ

አለመመጣጠን በመጠቀም ግራጫማ ምስሎችን ወደ ጥቁር እና ነጭ ይለውጡ። የግብዓት mask_mean2 ፣ ‹አስማሚ› ፣ ‹ForegroundPolarity› ፣ ‹ጨለማ› ፣ ‹ትብነት› ፣ 0.6. ጭምብል_ቢኒየር ለማድረግ ይህን አዲስ ምስል መድብ።

ደረጃ 19: በተጣሩ ምስሎች ውስጥ የተገኙትን አነስተኛ ብሎቦችን ያስወግዱ

በ mask_binarize ላይ የ bwareaopen ተግባርን በመጠቀም ከ 100 ፒክሰሎች ያነሰ ግንኙነት ያላቸውን ነገሮች ያስወግዱ እና የደረጃ እሴቱን ወደ 100 ያዋቅሩ። ተለዋዋጭውን እንደ bw ይመድቡ።

ደረጃ 20 የዲስክ አወቃቀር ንጥረ ነገር ይፍጠሩ

የ strel ተግባርን በመጠቀም የዲስክ አወቃቀር አካልን (ከ 2 ራዲየስ ጋር) ይፍጠሩ። ለሱ መድብ።

ደረጃ 21: ሞርፎሎጂያዊ የቅርብ ዝግጅቶችን ያከናውኑ

በእቃው ላይ ሞርፎሎጂያዊ የቅርብ ሥራን ለማከናወን bw ን ይውሰዱ እና ያልተዘጋውን ተግባር ወደ መዋቅራዊ አካል ይተግብሩ።

ደረጃ 22: ቢያንስ በ 8 ተያያዥነት ያላቸውን ነገሮች ይፈልጉ

በምስሉ ውስጥ ቢያንስ 8 ግንኙነት ያላቸውን ዕቃዎች ለማግኘት bw ይውሰዱ እና bwconncomp ን ይጠቀሙ። የቁጥሩን ውጤት ወደ cc_1 መድብ።

ደረጃ 23: የተገናኙትን ፒክስሎች ከፍተኛውን ቁጥር ያግኙ

በሲሲ ውስጥ በእያንዳንዱ ሕዋስ ላይ “የቁጥር” ተግባርን ለማከናወን የሕዋስ ተግባርን ይጠቀሙ። ይህ በ PixelIdxList ሕዋስ ውስጥ ያሉትን ንጥረ ነገሮች ብዛት ያገኛል። እሴትን ለ “numPixels” መድብ።

በ numPIxels ውስጥ ከፍተኛውን እሴቶችን ያግኙ። ትልቁን ከፍተኛውን ወደ “ትልቁ” እና ከፍተኛውን እሴት ጠቋሚ ወደ “idx” ይመድቡ።

ደረጃ 24 ፦ ከፍተኛውን የፒክሴል እሴቶችን ወደ 0 ያቀናብሩ እና በፒክሴሎች> = 26 ፒክስል ግንኙነት ያግኙ

= 26 የፒክሰል ግንኙነት "src =" https://content.instructables.com/ORIG/FXY/DTW3/JEOIIEL4/FXYDTW3JEOIIEL4-p.webp

= 26 የፒክሰል ግንኙነት "src =" https://content.instructables.com/ORIG/FXO/GBX1/JEOIIELB/FXOGBX1JEOIIELB-p.webp

= 26 የፒክሰል ግንኙነት "src =" {{file.large_url | add: 'auto = webp & frame = 1 & height = 300' %} ">

= 26 የፒክሰል ግንኙነት "src =" {{file.large_url | add: 'auto = webp & frame = 1 & height = 300' %} ">

በምስሉ ውስጥ “bw” ከሚባሉት ትላልቅ እሴቶች ጋር ፒክሴሎችን ወደ 0 ያቀናብሩ ፣ ፒክሴሎቹ ጥቁር እንዲሆኑ ያደርጋቸዋል።

Bwconncomp ን በመጠቀም በምስሉ ውስጥ ቢያንስ 26 ፒክሰሎች ተያያዥነት ያላቸውን ነገሮች ያግኙ። ለተለዋዋጭ cc_1 መድብ።

ደረጃ 25 በምስል ውስጥ የደም ዕቃዎችን ያስወግዱ

ከ [0 ፣ 0.9] ክልል ጋር ያለውን የ bwpropfilt ተግባር በመጠቀም አሁንም በምስሉ ላይ የሚገኙትን የደም ሥሮች ያስወግዱ።

[0.9, 1] ተገልሏል ምክንያቱም ወደ 1 የሚጠጉ እሴቶች መስመርን ያመለክታሉ። ለ “አስወግድ ዕቃዎች” መድብ።

ደረጃ 26: የምስል ማሳያ

እያንዳንዱን የተጣራ ምስል በንዑስ ክፍል ውስጥ ያሳዩ። Imshow። በ “ድንበር” እና “ጠባብ” ግብዓቶች ፣ እያንዳንዱን ምስል በንዑስ ክፍል መዋቅር ውስጥ ያሳያል። የትኛው ማጣሪያ ጥቅም ላይ እንደዋለ ለመለየት በእያንዳንዱ ምስል ላይ ርዕስ ያክሉ።

ደረጃ 27 መርከቦችን ያስወግዱ እና የደም ብሌቶችን ይቁጠሩ

1. በምስሉ ላይ ያሉትን የነገሮች ሴንትሮይድ ለመለየት “አስወግድ ዕቃዎችን” ይውሰዱ እና በክልል መገልገያዎች ውስጥ የ “ሴንትሮይድ” ባህሪን ይተግብሩ። እነዚህ ነገሮች በምስሉ ላይ ከሚገኙት የደም መርጋት ጋር መዛመድ አለባቸው።

2. የሴንትሮይድ ማትሪክስን ርዝመት በመውሰድ ተለይተው የሚታወቁትን የደም መርገጫዎች ቁጥር ይቁጠሩ።

ደረጃ 28 - ተለይተው በሚታወቁ የደም ጠብታዎች ብዛት ላይ በመመርኮዝ የሬቲናውን ምስል ይመርምሩ

በተለዩ የደም መርገጫዎች ብዛት ላይ በመመርኮዝ ምስልን ለመመርመር መግለጫዎች ይጠቀሙ።

ተለይተው የሚታወቁ የሴንትሮይድ ብዛት ከ 5 በታች ወይም እኩል ከሆነ ፣ ምስሉ እንደተለመደው ተለይቷል።

የሴንትሮይድ ብዛት ከ 5 በላይ ከሆነ ፣ ምስሉ በስኳር በሽታ ሬቲኖፓቲ ተይዞለታል።

ውጤቱ fprintf ን በመጠቀም በትእዛዝ መስኮት ላይ ታትሟል።

ደረጃ 29 ከ 5 በላይ ብሎቦች ካሉ…

ለታመሙ ምስሎች ከላይ ያለውን መመሪያ እንደ ሌላ መግለጫ ይድገሙት። የብሎጎች ብዛት ከ 5 በላይ ከሆነ ይህ ክፍል ይሠራል።

የአረፍተ ነገሩን መግለጫ ጨርስ።

ደረጃ 30 በምስል አኃዝ እሴቶች እንደ 2 እና 3 ያሉ ለመደበኛ ምስሎች የማጣሪያ ሂደት ይድገሙ

ቁጥሮች (በምስል ቁጥሩ ውስጥ ያሉት የቁጥሮች ብዛት) ከ 2 እና 3. ጋር እኩል ከሆኑ መግለጫዎች ለዋናው ቀሪው ሂደቱን ይድገሙት።

ለሉፕ ጨርስ።

ደረጃ 31 ለተመረመሩ ምስሎች አጠቃላይ ሂደቱን ይድገሙ

በማትሪክስ “ቁጥሮች_to_extract_diagnosed” የተዘረዘሩትን የምርመራ ምስሎች በመጠቀም አጠቃላይ ሂደቱን ይድገሙት።

እያንዳንዱን ምስል (i) ማለፍዎን እና ወደ ምስል (i+10) መለወጥዎን ያረጋግጡ ስለዚህ ምርመራ የተደረገባቸው ቁጥሮች ከ 11 እስከ 20 ምስሎች ሆነው ብቅ ይላሉ።

ደረጃ 32 የስታቲስቲክስ ትንታኔ

1. ‹Tual_Diagnosis_Matrix ›ውጤቱን በ txt ፋይል ውስጥ ከተገኘው ኦፊሴላዊ ምርመራ ጋር ለማነጻጸር ያገለግላል። የመጀመሪያዎቹ 10 ዜሮዎች የመጀመሪያዎቹ 10 ምስሎች መደበኛ መሆን እንዳለባቸው ያመለክታሉ። የመጨረሻዎቹ 10 ምስሎች የሚያመለክቱት የመጨረሻዎቹ 10 ምስሎች በስኳር በሽታ ሬቲኖፓቲ ተብለው መመደብ አለባቸው።

2. ‹number_correct› ን ለመፍጠር ጥቅም ላይ የሚውለው ድርብ እኩል ምልክት የ‹ Actual_Diagnosis_Matrix ›ተጓዳኝ አባሎችን ዋጋ ከ‹ ‹Doagnosis_Matrix› ›ለ‹ loop ›ከተፈጠረ ጋር በማወዳደር አመክንዮአዊ ድርድር ይፈጥራል።

ለእያንዳንዱ የምርመራ ውጤት 1 አንድ ይጨመራል ፣ ይህ ማለት ኮድ ያንን ምስል በትክክል መርምሮታል። ትክክል ካልሆነ ወደ ማትሪክስ 0 ያክላል።

ከዚያ ፣ ያንን ድምር መውሰድ ሁሉንም ያጠቃልላል። በሌላ አነጋገር ፣ በትክክል የተመረመሩ ምስሎችን ድምር ያገኛል።

3. ‹Final_percentage_correct› የሚለው ኮድ የስኳር በሽታ ሬቲኖፓቲ ምን ያህል ትክክለኛ እንደሆነ የተሰላው የተሰላው መቶኛ ነው። በትክክል ምርመራ የተደረገባቸው ምስሎች ብዛት በ 20 (አጠቃላይ የስዕሎች ብዛት) ተከፍሎ የተሳካ ምርመራዎችን መቶኛ ለማግኘት በ 100 ተባዝቷል።

ደረጃ 33: የመተማመን ክፍተት መፈለግ

1. ModWald.m ን እንደ ተግባር ለመጥራት ማውረዱን ያረጋግጡ። ያለ ተግባር እርስዎ የተሻሻለውን የዋልድ ዘዴን በመጠቀም የመተማመን ክፍተቱን ማስላት ይኖርብዎታል።

2. የሞድዋልድ ተግባር የመጀመሪያው በትክክል የተገለፁ ምስሎች ብዛት ሲሆን 2 ግብዓቶች አሉት ፣ ሁለተኛው ደግሞ የምስሎች ጠቅላላ መጠን ነው።

3. የ ModWald ተግባሩ ለናሙናው ውሂብ ትክክለኛነት የተመጣጠነ የመተማመን ጊዜን የታችኛው እና የላይኛው ወሰን ያወጣል። በሌላ አነጋገር ፣ የኮዱ ትክክለኛነት ትክክለኛ መቶኛ የሚተኛበትን የመቶኛዎች ክፍተት ይሰጥዎታል።

4. በትእዛዝ መስኮቱ ላይ የስታቲስቲክስ እና የመተማመን ጊዜን ለማውጣት ከዚህ በታች fprintf ን ይጠቀሙ።

> fprintf ('%. 0f በመቶዎቹ የሬቲና ምስሎች በኦፊሴላዊ ምርመራ መሠረት በትክክል ተመርጠዋል። / n / n' ፣ Final_percentage_correct)

> fprintf ('ኮዳችን በትክክል የዲያቢቲ ሬቲኖፓቲ ምርመራን የሚያደርግበት ትክክለኛው መቶኛ በ 20 ናሙና ናሙና ምስሎች / n' ፣ ታች_ውስጥ ፣ የላይኛው_ባንድ) ላይ በመመስረት በ [%.3f ፣ %.3f] ክልል ውስጥ ይወድቃል / n