Loading...
پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM در متلب به همراه توضیح خط به خط کدها
در این پست پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM را آماده کرده ایم که در این پروژه شناسایی دیابت رتینوپاتی با استفاده از تکنیک های پردازش تصویر و طبقه بندی تصویر بر اساس شبکه عصبی مصنوعی و تبدیل رادن (Radon transform) انجام می شود. همچنین طبقه بندی تصویر نیز با توجه به شرایط بیماری می باشد.
در داکیومنت پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM، ابتدا به نحوه اجرای پروژه، سپس به توضیح خطوط برنامه و خروجی ها پرداخته می شود. یک فیلم نحوه اجرا نیز در کنار پروژه وجود دارد که در ادامه به صورت آنلاین قابل مشاهده است.
فیلم و تصاویری از خروجی و توضیحات قسمتی از خطوط پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM در ادامه مطلب.
توضیح قسمتی از خطوط پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM:
فایل ggss1.m:
این فایل، بخش اصلی پروژه می باشد.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 | clc; پاک کردن هر نوشته ای که از قبل در پنجره Command Window موجود است delete p; پاک کردن حافظه شبکه هایی که از قبل تعریف شده اند. for i=1:20; مراحل اجرا برای هر عملیات جهت دقت بالا در تشخیص نقاط I=num2str(i); متغیری که اعداد را به رشته تبدیل کند و در Command Window تولید کند با خروجی هایی که در ادامه خواهند آمد. I1=strcat(I,'.jpg'); الحاق رشته های تصویر به صورت افقی و انتخاب تصویر که تصویر انتخابی ما تصویر زیر (در داکیومنت آمده) بوده است در متغیر I1 نگهداری می شود. I2=imread(I1); خواندن تصویر شماره 1 دقت شود که تصاویر در کنار پروژه قرار بگیرند و طبق شماره هایی که داده ایم، از ادامه شماره بندی شوند. این عمل در متغیر I2 نگهداری می شود. I3=imcrop(I2,[50 45 150 120]); برش تصویر وارد شده. این عمل در متغیر I3 نگهداری می شود. subplot(2,2,1); imshow(I2) نمایش تصویری که در متغیر I2 موجود است در محور مختصات. در بخش زیر و حلقه For الگوریتم تبدیل رادن (Radon Transform) اعمال شده است. [j,k]=size(I4); c(i)=0; for j=1:120 for k=1:150 if I4(j,k)==0 c(i)=c(i)+1; end end end در شرط زیر عنوان Retinopathy در Command Window نمایش داده می شود. هدف آن تشخیص می باشد. if c>5000 disp('Retinopathy'); else I5=rgb2gray(I3); تصویری که در متغیر I3 موجود است را از حالت RGB به سیاه و سفید (Grayscale) تبدیل می کند و در متغیر I5 قرار می دهد. subplot(2,2,4); imshow(I5); نمایش تصویری که در متغیر I5 موجود است در محور مختصات. |
توضیحات بیشتر و کامل تر، در داکیومنت پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM آمده است.
تصاویر خروجی پروژه تشخیص دیابت رتینوپاتی با الگوریتم SVM:
تصویر خروجی 1:
تصویر خروجی 2:
تصویر خروجی 3:
تصویر خروجی 4:
تصویر خروجی 5:
تصویر خروجی 6:
سلام می تونم بپرسم حجم این پروژتون چقدره ؟ و ممنون از اینکه برنامه ها رو خط به خط توضیح میدین .
حجمش تقریبا 10 مگابایت است در صورت نیاز اطلاع بدید ارسال کنیم.
سلام این پروژرو میشه با الگوریتم دیگه ای نوشت می خواستم سفارش بدم ؟
توضیحات الگوریتم مورد نظر رو در ایمیل برای ما ارسال کنید تا بررسی کنیم.
سلام این پروژتون برای خرید کامله می خوام بعدا نواقصی نداشته باشه من زیاد وقت واسه تحویلش ندارم واسه اون می پرسم ؟
سلام ممنون که این پروژرو خط به خط توضیح دادید لطف کردید .
سلام تو یه جای برنامه نویسی با متلب گیر کردم شما می تونید کمکم کنید می تونم گیر کارو براتون ایمیل کنم بررسی کنید .
ایمیل کنید تا بررسی کنیم.
سلام من یه سوال داشتم این پروژه از روی کدوم مقاله الگو برداری کرده میشه مقالش و هم بگید.هم مقاله هم پروژه را لارم دارم
مقاله بخصوصی نداره که دقیقا از روی اون انجام شده باشه. یک مقاله فارسی مشابه با موضوع همین پروژه در کنارش داره که در انجام پروژه از اون مقاله کمک گرفته شده. در واقع یک مقاله مرجع بوده. عنوان این مقاله شناسايی زود هنگام ديابت رتينوپاتی به كمک پردازش تصاوير فلورسنت آنژيوگرافی ته چشم است.
متلبش دو هزارو چنده؟
با نسخه های 2013 - 2016 - 2018 تست شده.