بررسی شهودی لایههای شبکیه در تصاویر برشنگاری همدوسی اپتیکی حوزهی طیف (SD-OCT) یکی از روشهای اصلی مورد استفادهی پزشکان برای تشخیص بیماریهای شبکیه است. این روش با چالشهایی مانند نویز، پیچیدگی تصاویر و نزدیکی لایهّهای شبکیه مواجه میباشد. در سالهای اخیر تشخیص خودکار بیماریهای شبکیهی چشم به یکی از موضوعات مهم بالینی در ...
بیشتر
بررسی شهودی لایههای شبکیه در تصاویر برشنگاری همدوسی اپتیکی حوزهی طیف (SD-OCT) یکی از روشهای اصلی مورد استفادهی پزشکان برای تشخیص بیماریهای شبکیه است. این روش با چالشهایی مانند نویز، پیچیدگی تصاویر و نزدیکی لایهّهای شبکیه مواجه میباشد. در سالهای اخیر تشخیص خودکار بیماریهای شبکیهی چشم به یکی از موضوعات مهم بالینی در حوزهی بینایی کامپیوتر تبدیل شده است. در این تحقیق روشی جدید برای طبقهبندی کارآمد چندکلاسهی خودکار تصاویر SD-OCT ارائه شده که متشکل از پنج مرحلهی پیشپردازش، تشخیص لایهها، استخراج ویژگیها، کاهش بعد، و طبقهبندی تصویر است. بررسی شکل لایهی RNFL و پیوند IS/OS به عنوان روشی بالینی در تصمیمگیریهای پزشکان برای تشخیص بیماریهای شبکیه موثر است. از این رو در این پژوهش با الهام از این روش تشخیص بالینی، لایهی RNFL و پیوند IS/OS توسط روشی جدید مبتنی بر الگوریتم بهبود رگ فرنگی و گرادیان تصویر تشخیص داده شده است. سپس با استخراج و انتخاب انواعی از ویژگیهای موثر از لایهها، الگوریتمی بر پایهی درخت تصمیم ترکیبی برای طبقهبندی تصاویر شبکیه پیشنهاد شده و در قالب یک نرمافزار کاربردی در متلب ارائه شده است. روش پیشنهادی روی تصاویر دو پایگاه دادهی شناخته شدهی دوک و کرمنی ارزیابی شده است. بر اساس نتایج، دقت، حساسیت، اختصاصیت، درستی، نرخ منفی نادرست و معیار F1 روش پیشنهادی در پایگاه دادهی دوک به ترتیب برابر با 7/98، 8/98، 4/99، 1/99، 3/1 و 7/98 درصد و در پایگاه کرمنی به ترتیب برابر با 8/96، 7/96، 9/98، 4/98، 2/3 و 7/96 درصد است. نتایج نشاندهندهی برتری روش پیشنهادی در مقایسه با سایر روشهای مقایسهای است. در مجموع به کارگیری ویژگیهای کارآمد از لایههای تاثیرگذار شبکیه و توانمندی روش طبقهبندی، موجب ارتقای عملکرد روش پیشنهادی در مقایسه با روشهای پیچیدهتر پیشین شده است.