بهبود الگوریتم اندازه گیری خودکار پارامتر اریتم در استاندارد pasi برای بیماران پسوریازیس

مقدمه: پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل و سطح پوست با پلاک های قرمز پوشیده می شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه گیری میزان تأثیر داروها از شاخص pasi استفاده می شود که شامل چهار پارامتر وسعت، اریتم (قرمزی)، پوسته ریزی و ضخامت پلاک است. پزشکان، پارامتر اریتم را به صورت تجربی و با چشم تخمین می زنند که نتایج آن در بین پزشکان متفاوت است. هدف مطالعه بهبود الگوریتم اندازه گیری پارامتر اریتم در استاندارد پاسی به وسیلۀ پردازش تصویر است.   روش بررسی: در این مطالعه با استفاده طراحی سیستم تشخیص الگو دسته بندی نوع پلاک از نظر قرمزی برای 56 ضایعه انجام شده است. برای این کار از توصیف گرهای آماری مؤلفه های فضای رنگ hsv پوست و پلاک همبسته با نظر دو پزشک (داوران) استفاده شده است. در جایی که دو داور اختلاف نظر داشته اند نظر داوری دقیق تر با کمک الگوریتم رفع اختلاف پیشنهادی، انتخاب شده است. سپس برای تولید مدل مطمئن و ارزیابی آن از روش گمارش تصادفی داده ها استفاده شده که در نهایت با تحلیل آماری نتایج، مدل رگرسیون سه متغیره به عنوان رویۀ تصمیم گیری بهینه برای دسته بندی پلاک ها پیشنهاد شده است.   یافته ها: پیش بینی درجۀ اریتم مدل نسبت به نظر پزشک دارای دقت و قدرتی به ترتیب با حداکثر یک واحد خطا، همبستگی 78 درصد، تعداد متغیرهای مستقل کم و عدم حساسیت به افزایش حجم نمونه است. نتیجه گیری: در این مطالعه با پیشنهاد الگوریتم رفع اختلاف نظر داوران و روش گمارش تصادفی داده ها، بهبود در دقت پیش بینی درجۀ اریتم نسبت به الگوریتم پیشین اندازه گیری خودکار درجۀ اریتم داده شده است.