ارائه روشی هوشمند به منظور استخراج خودکار پارامترهای مورد نیاز در جراحی ستون فقرات با به کارگیری ابر نقاط تصاویر توموگرافیک

ناهنجاری های هندسی ستون فقرات، عموماً با دردهای مزمن کمری و گردنی همراه می باشند. در این ناهنجاری ها انحنای ستون مهره در فضای سه بعدی دستخوش تغییراتی می شود که در بسیاری از موارد ضمن کاهش میزان بازشدگی قفسه سینه، باعث بروز اختلالات تنفسی و اثرات منفی بر روی سیستم قلبی می شود. برای تصحیح این ناهنجاری ها و جلوگیری از پیشرفت آن ها در حالت حاد، جراحان از جراحی فیوژن خلفی ستون مهره ها استفاده می کنند. قبل از انجام عمل جراحی به منظور تشخیص وضعیت بیمار و انتخاب نحوه مناسب عمل، استخراج برخی پارامترهای کلینیکی مهم ستون فقرات ازجمله انحناها، زوایای کوب، انحراف جانبی، زوایای مهره ها و میزان چرخش آن ها در صفحات مختلف ضروری است. در این پژوهش ابتدا با استفاده از تصاویر توموگرافیک ویرایش شده در نرم افزار میمیکس، مدل سه بعدی ستون مهره ها در قالب ابر نقاط آماده شد. سپس ضمن تفکیک و جداسازی مهره ها به کمک روش های خوشه بندی مختلف ازجمله روش شبکه عصبی خودسازمان ده، روش k-میانگین و روش سلسله مراتبی اطلاعات هندسی مهم مقاطع ستون مهره ها ازجمله انحناهای ستون مهره ها و زوایای آن با استفاده از الگوریتم های تخصیص منحنی، به صورت خودکار استخراج شد. علاوه بر این ضمن پیاده سازی الگوریتم های مشخص، سایر ویژگی های کلینیکی هریک از مهره ها ازجمله کمینه و بیشینه ارتفاع مهره در سه بعد، طول و عرض جسم مهره ای و همچنین جابجایی نسبی مهره ها به صورت خودکار محاسبه گردید. به منظور اعتبارسنجی روش های ارائه شده و اندازه های استخراج شده، مقادیر به دست آمده در هر مرحله بار دیگر به صورت دستی در نرم افزار میمیکس محاسبه شدند. با مقایسه مقادیر متناظر، اعتبار نتایج و کارایی بالای الگوریتم های پیشنهادی تأیید گشت.