کد |
ts-3459
|
عنوان اول |
سیستم هوشمند تشخیص بیماری رتینوپاتی نوزادان
|
نویسنده |
نیوشا هرمزی
|
استاد راهنما |
امیرحسن منجمی
|
اسناد مشاور |
غلامعلی نادریان
|
نوع |
کاغذی
|
دانشگاه |
دانشگاه اصفهان
|
مقطع |
کارشناسی ارشد
|
رشته |
علوم کامپیوتر، هوش مصنوعی
|
سال دفاع |
1392شمسی
|
زبان |
فارسی
|
موضوعات |
بیماریهای شبکیه نوزاد نارس ، تشخیص بیماری ، تصویرپردازی ، سیستم هوشمند ، شبکه عصبی ، صافی گابور ، صافی باترورث ، صافی لاپلاسین ، صافی گوسی ، عملگر سوبل
|
چکیده |
ROP یک بیماری چشمی در نوزادان نارس است. در نوزادانی که زودتر از زمان طبیعی به دنیا میآیند رشد عروق شبکیه متوقف میشود و اگر تشخیص به موقع صورت نگیرد، در مدت کوتاهی منجر به نابینایی میشود. علت اصلی نقص بینایی و کوری در ROP جداشدگی پردهی شبکیه است. به عبارتی به دلیل انقباض زخمهای ناشی از رشد عروق غیر طبیعی، جداشدگی پردهی شبکیه از پردهی صلبیه، در اثر کشیده شدن شبکیه اتفاق میافتد. از این رو طراحی سیستمی خودکار و هوشمند برای تشخیص زود هنگام این بیماری در مراحل اولیه میتواند در جلوگیری از نابینا شدن این دسته از نوزادان بسیار مفید باشد. این روش به غربالگری نوزادانی که هنوز به رشد کامل عروقی نرسیدهاند و نیازمند معاینات در بازههای زمانی منظم میباشند، کمک میکند. اگر رشد عروق نوزاد نارس در بازهی زمانی مشخصی کامل نشود، خون رسانی به قسمتهای بدون عروق صورت نمیگیرد و ROP اتفاق میافتد. اهمیت مسئلهی بینایی و همچنین امکان شناسایی این بیماری در نوزادان نارس در حال حاضر، ما را بر آن داشت تا روش خودکاری برای تشخیص این بیماری به کمک تکنیکهای پردازش تصویر ارائه دهیم. به دلیل شیوع و اهمیت بیماریهای چشمی در نوزادان، در این پژوهش روشی برای پیگیری نوزادان نارس، تا مرحلهی اطمینان از رشد عروق و عدم بروز ROP انجام میشود. در این پژوهش سه روش به منظور شناسایی و ردیابی رگهای موجود در تصاویر استفاده شده و نتایج آنها با هم مقایسه شده است. در رویکرد اول از فیلتر بالا گذر باترورث برای شناسایی رگها استفاده شده است و سپس از ویژگی انرژی هر تصویر استفاده کرده، نتایج را برای کلاسبندی به یک ماشین بردار پشتیبان دادهایم. در رویکرد دوم از فیلتر بالا گذر گابور برای شناسایی رگها استفاده شده و برای هر تصویر هشت تصویر فیلتر شده (در دو مقیاس 2 و 5/0 دو زاویهی 2/? و 4/? و دو فرکانس 5/0 و 2) را به دست آورده و انرژی تصاویر را برای کلاسبندی به یک پرسپترون دو لایه دادهایم. در رویکرد سوم ابتدا در فاز پیش پردازش، با یک فیلتر گوسی نویز و جزئیات ریز تصویر را حذف کردیم. علاوه بر دو روش مذکور، به منظور دست یابی به بهترین فیلتر بالا گذر در استخراج رگهای شبکیه، فیلترهای لاپلاسین، سوبل، کنی و باترورث به کار رفته و پس از مقایسهی نحوهی عملکرد آنها در جداسازی رگها، فیلتر لاپلاسین و باترورث در دو روش اصلی به کار رفت. هدف از عملیات پیش پردازش، بهبود تصاویر است به نحوی که اطلاعات مورد نظر با کمترین میزان خطا حاصل شود. سپس از پنجرههایی با ابعاد [32×32] و [16×16] برای تقسیم فضای تصویر استفاده کردیم و نتایج اعمال فیلتر لاپلاسین روی هر پنجره را توسط یک آستانهی شهودی به دو کلاس تفکیک نمودیم. نتایج این بررسی نشان دهندهی برتری روش سوم به دلیل استفاده از خاصیت محلی در تشخیص رگهای شبکیه در تصاویر است. در این روش میانگین حساسیت 73%، میانگین ویژگی 80% روی مجموعه تصاویری از دو گروه که توسط پزشک متخصص دسته بندی شدهاند، به دست آمده است.
|
تاریخ ثبت در بانک |
16 اردیبهشت 1395
|