پردازش تصاویر پزشکی
آذر طلوعی؛ حمید ابریشمی مقدم؛ معصومه گیتی
دوره 2، شماره 3 ، آذر 1387، ، صفحه 179-189
چکیده
تشخیص خودکار الگوهای پاتولوژیک ریوی در تصاویر HRCT بیماران مبتلا به ناهنجاری های بافت بینابینی ریه(ILD) ، مرحله ای مهم در ایجاد یک سیستم تشخیص به کمک کامپیوتر محسوب می شود. الگوریتم ارائه شده برای دسته بندی الگوهای بافت ریه شامل 3 مرحله است: در مرحله اول ریه از پس زمینه جدا می شود. در مرحله دوم دو بانک فیلتری موجک فوق کامل به نام ...
بیشتر
تشخیص خودکار الگوهای پاتولوژیک ریوی در تصاویر HRCT بیماران مبتلا به ناهنجاری های بافت بینابینی ریه(ILD) ، مرحله ای مهم در ایجاد یک سیستم تشخیص به کمک کامپیوتر محسوب می شود. الگوریتم ارائه شده برای دسته بندی الگوهای بافت ریه شامل 3 مرحله است: در مرحله اول ریه از پس زمینه جدا می شود. در مرحله دوم دو بانک فیلتری موجک فوق کامل به نام های فریم های موجک گسسته (DWF) و فریم های موجک دوران یافته (RWF) برای استخراج ویژگی از نواحی مطلوب (ROI) تعریف شده درون بافت ریه استفاده می شوند؛ در نهایت الگوریتم k نزدیکترین همسایه فازی برای دسته بندی الگوها اعمال می گردد. در این مطالعه 4 الگوی مرتبط با) ILD شیشه مات، لانه زنبوری، رتیکولار و نرمال) از یک پایگاه داده شامل 340 تصویر HRCT انتخاب شده و مورد بازشناسی قرار می گیرند. عملکرد سیستم کامپیوتری با عملکرد دو رادیوژیست مورد ارزیابی قرار می گیرد. ضریب توافق کاپا بین سیستم و دو رادیولوژیست در مقایسه با ضریب توافق 0.6848 بین دو رادیولوژیست، به طور متوسط 0.6543 است. چنین سیستمی می تواند به بهبود تصمیم گیری و کارایی پزشک از طریق تسهیل کشف و ارزیابی الگوهای تصویری پیچیده، کاهش تفاوت میان مشاهده گرها و حذف اعمال تکراری و گاهی خسته کننده منجر شود.