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