پردازش تصاویر و استخراج ندول‌های ریوی با ترکیب ویژگی‌های بافتی و هندسی

Abstract

strongspan style=color:#0070c0;span style=font-family:B Mitra;span style=font-size:10.0pt;زمینه و هدف: /span/span/span/strongspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt;از آنجایی که /span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt;تشخیص غدد سرطانی و بدخیم ریه با استفاده از روش‌های عکس‌برداری نظیر/span/span/spanspan dir=LTRspan style=color:black;span style=font-family:Times New Roman,serif;span style=font-size:9.0pt; CT -Scan /span/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt;و بدون نیاز به نمونه‌برداری باعث کاهش ریسک پخش شدن ندول سرطانی می‌شود، بنابراین توسعه یک سیستم تشخیصی کامپیوتری جهت پردازش تصاویر و غدد ریوی و سپس طبقه‌بندی آن‌ها به دو دسته خوش خیم و بدخیم، در تشخیص زودهنگام سرطان ریه و نجات جان بیماران نقش بسزایی ایفا میshy;کند. هدف از این پژوهش، دستیابی به دقت طبقه‌بندی بالاتر و در نتیجه دقت تشخیص بالاتر غدهshy;های بدخیم و خوش خیم میshy;باشد. /span/span/spanbr strongspan style=color:#0070c0;span style=font-family:B Mitra;span style=font-size:10.0pt;روش کار:/span/span/span/strongspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; در این پژوهش الگوریتم‌هایی که پیش از این برای طبقه‌بندی غدد ریوی استفاده شده، معرفی میshy;شود و در نهایت الگوریتم پیشنهادی ارائه میshy;شود. در الگوریتم پیشنهادی ابتدا تصاویر سی تی اسکن ریه پیش پردازش شده و سپس به وسیله کانتور فعال چن-وسه، ناحیه ندول استخراج میshy;شود. از ناحیه قطعهshy;بندی شده، ویژگی‌های هیستوگرام، بافت و هندسی استخراج میshy;شود. سپس این ویژگی‌ها با استفاده از دو طبقه بند /span/span/spanspan dir=LTRspan style=color:black;span style=font-family:Times New Roman,serif;span style=font-size:9.0pt;SVM/span/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; و /span/span/spanspan dir=LTRspan style=color:black;span style=font-family:Times New Roman,serif;span style=font-size:9.0pt;KNN/span/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt;، ندول‌های ریوی را به دو دسته خوش خیم و بدخیم طبقه بندی میshy;کنند. /span/span/spanbr strongspan style=color:#0070c0;span style=font-family:B Mitra;span style=font-size:10.0pt;یافته‌ها:/span/span/span/strongspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; نتایج حاصل از پیشshy;پردازش‌shy;های اعمالی بررسی میshy;گردد. سپس تصاویر پیشshy;پردازشshy; شده توسط الگوریتم چن-وسه قطعهshy;بندی شده و ناحیه استخراج شده و تحت الگوریتمshy; های استخراج ویژگی قرار گرفته و 25 ویژگی مختلف بافتی و هندسی برای هر غده از این نواحی استخراج میshy;گردد. در مرحله آخر، توسط دادهshy;های استخراج شده، طبقهshy;بندshy;های /span/span/spanspan dir=LTRspan style=color:black;span style=font-family:Times New Roman,serif;span style=font-size:9.0pt;SVM/span/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; و /span/span/spanspan dir=LTRspan style=color:black;span style=font-family:Times New Roman,serif;span style=font-size:9.0pt;KNN/span/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; اقدام به طبقهshy;بندی غدد میshy;کنند. معیارهای دقت، حساسیت و میزان اختصاصی بودن در طبقه بند برتر % 8/90، % 100 و 89% بدست میshy;آید./span/span/spanbr strongspan style=color:#0070c0;span style=font-family:B Mitra;span style=font-size:10.0pt;نتیجه‌گیری:/span/span/span/strongspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt; این روش علاوه بر دقت بالا در تشخیص، روشی کم هزینه و کم خطر نیز می‌باشد. روش پیشنهادی بخاطر دارا بودن حساسیت بسیار بالا و همچنین دارا بودن مقادیر مطلوب دو معیار دقت و میزان اختصاصی بودن و تعداد پایین ویژگیshy;های مورد استفاده جهت طبقهshy;بندی، بعنوان یک روش کارآمد و مناسب جهت طبقهshy;بندی غدد ریوی پیشنهاد می/span/span/spanspan style=color:black;span style=font-family:B Mitra;span style=font-size:10.0pt;shy;گردد./span/span/span