دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st نویسندگان: Ayman S. El-Baz, Jasjit S. Suri سری: ISBN (شابک) : 9780128174395 ناشر: Elsevier سال نشر: 2020 تعداد صفحات: 236 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب دیابت و رتینوپاتی: تشخیص به کمک کامپیوتر جلد 2: چشم پزشکی، تحقیقات دیابت، مهندسی زیستی، بیوانفورماتیک
در صورت تبدیل فایل کتاب Diabetes and Retinopathy: Computer-Assisted Diagnosis Volume 2 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب دیابت و رتینوپاتی: تشخیص به کمک کامپیوتر جلد 2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دیابت و رتینوپاتی اطلاعات چندوجهی در مورد تحقیقات و کاربردهای بالینی را از دیدگاه های آکادمیک، بالینی، مهندسی زیستی و بیوانفورماتیک گرد هم می آورد. ویراستاران گروهی از نویسندگان را گرد هم می آورند تا این حوزه متنوع و جالب را گرد هم آورند. محققان دانشگاهی، مهندسان زیستی، محققان جدید و دانشجویان علاقه مند به دیابت و رتینوپاتی به یک مرجع معتبر نیاز دارند تا این زمینه چند رشته ای را گرد هم بیاورند تا زمان صرف شده برای جستجوی منبع و زمان بیشتری برای تحقیقات واقعی و کاربرد بالینی کاهش یابد. این مرجع درک بالینی فعلی DR و همچنین بسیاری از پیشرفت های علمی در درک این وضعیت را به تصویر می کشد. اطلاعات ارزشمندی را برای پزشکان دانشگاهی، محققان، مهندسین زیستی و صنعت در مورد دیابت و رتینوپاتی فراهم می کند. در مورد تأثیر رتینوپاتی دیابتی، یکی از دلایل اصلی از دست دادن بینایی جدید در تمام کشورهای صنعتی بحث می کند. تکنیک های طبقه بندی آماری و طبقه بندی ریسک را پوشش می دهد
Diabetes and Retinopathy brings together the multifaceted information about the research and clinical application from academic, clinical, bioengineering and bioinformatics perspectives. The editors bring together a stellar cast of authors to pull together this diverse and interesting field. Academic researchers, bioengineers, new investigators and students interested in diabetes and retinopathy need an authoritative reference to bring this multidisciplinary field together to reduce the amount of time spent on source-searching and more time on actual research and the clinical application. This reference depicts the current clinical understanding of DR as well as the many scientific advances in understanding this condition. Provides valuable information for academic clinicians, researchers, bioengineers and industry on diabetes and retinopathy Discusses the impact of diabetic retinopathy, a major cause of new-onset visual loss in all the industrialized nations Covers statistical classification techniques and risk stratification
Cover......Page 1
Diabetes and Retinopathy ......Page 3
Copyright......Page 4
Contributors ......Page 5
1 Complementary capabilities of photoacoustic imaging to existing optical ocular imaging techniques......Page 8
References......Page 16
Introduction......Page 25
Optical coherence tomography: Background and significance......Page 26
The classical segmentation approach......Page 28
Fluid identification by means of a regional analysis......Page 29
Image sampling......Page 31
Classification......Page 32
Color map creation......Page 34
Discussion and conclusions......Page 36
References......Page 43
Background and significance......Page 50
Computational identification and characterization of the MEs......Page 53
Region of interest delimitation......Page 54
Identification of the different types of macular edema......Page 57
Results and discussion......Page 62
Conclusions......Page 64
References......Page 65
Introduction......Page 73
Original formulation in regularly sampled space......Page 76
Formulation in irregularly sampled space to achieve subvoxel accuracy......Page 78
Intercolumn edges......Page 80
Intersurface edges......Page 81
Data......Page 84
Experiment for super-resolution accuracy......Page 85
Gradient vector flow......Page 86
Results for subvoxel accuracy......Page 87
Discussion and conclusions......Page 88
References......Page 91
Introduction......Page 96
Macular edema......Page 97
Age-related macular degeneration......Page 98
Central serous chorioretinopathy......Page 99
Retinal imaging modalities......Page 100
Optical coherence tomography......Page 101
Dataset description......Page 102
TU-Net: A deep CNN architecture for maculopathy grading......Page 103
Preprocessing......Page 104
Proposed TU-Net architecture......Page 105
Results and discussion......Page 107
References......Page 109
Introduction......Page 112
Method......Page 114
Shape model Psp(m)......Page 115
3D retinal layers segmentation......Page 116
Experimental results......Page 118
Conclusion......Page 120
References......Page 121
Introduction......Page 136
Related work......Page 138
Mathematical model and architecture......Page 140
Evaluation metrics......Page 142
Experimental results......Page 144
Discussion......Page 146
References......Page 147
Introduction......Page 153
Qualitative and quantitative changes in ophthalmic blood vessels in diabetes detected by OCTA......Page 154
OCTA in patients with diabetes without clinically apparent DR......Page 155
OCTA in patients with nonproliferative DR......Page 156
OCTA in patients with proliferative DR......Page 159
OCTA in patients with diabetic macular edema......Page 161
OCTA at peripapillary area and optic nerve head in diabetes......Page 162
Relevance of findings of OCTA studies concerning pathophysiology of DR......Page 164
Conclusion......Page 166
References......Page 167
Introduction......Page 175
Traditional methods for early detection and assessment of diabetes......Page 178
Optical coherence tomography......Page 181
Related work on early detection of diabetes using OCT images......Page 184
Proposed work......Page 186
Feature extraction......Page 187
Classification of diabetes using an RF classifier......Page 191
Experimental results......Page 192
Discussion and conclusions......Page 194
References......Page 195
Introduction......Page 207
Methods......Page 210
Results......Page 211
Validation......Page 213
Conclusion......Page 214
References......Page 216
Index......Page 231