بهبود الگوریتم اندازه‌گیری 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 پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه‌گیری میزان تأثیر داروها از شاخص PASI استفاده می‌شود که شامل چهار پارامتر وسعت، اریتم (قرمزی)، پوسته‌ریزی و ضخامت پلاک است. پزشکان، پارامتر اریتم را به ‌ صورت تجربی و با چشم تخمین می‌زنند که نتایج آن در بین پزشکان متفاوت است. هدف مطالعه بهبود الگوریتم اندازه‌گیری پارامتر اریتم در استاندارد پاسی به ‌ وسیلۀ پردازش تصویر است.   روش بررسی: در این مطالعه با استفاده طراحی سیستم تشخیص الگو دسته‌بندی نوع پلاک از نظر قرمزی برای 56 ضایعه انجام شده است. برای این کار از توصیف ‌ گرهای آماری مؤلفه‌های فضای رنگ HSV پوست و پلاک همبسته با نظر دو پزشک (داوران) استفاده شده است. در ‌ جایی ‌ که دو داور اختلاف نظر داشته‌اند نظر داوری دقیق‌تر با کمک الگوریتم رفع اختلاف پیشنهادی، انتخاب شده است. سپس برای تولید مدل مطمئن و ارزیابی آن از روش گمارش تصادفی داده‌ها استفاده شده که در نهایت با تحلیل آماری نتایج، مدل رگرسیون سه ‌ متغیره به ‌ عنوان رویۀ تصمیم‌گیری بهینه برای دسته‌بندی پلاک‌ها پیشنهاد شده است.   یافته‌ها: پیش‌بینی 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. نتیجه‌گیری: در این مطالعه با پیشنهاد الگوریتم رفع اختلاف نظر داوران و روش گمارش تصادفی داده‌ها، بهبود در دقت پیش‌بینی درجۀ اریتم نسبت به الگوریتم پیشین اندازه‌گیری خودکار درجۀ اریتم داده شده است.