بهبود الگوریتمهای تشخیص الگوهای بینابینی ریه در تصاویر hrct

بیماریهای بافت بینابینی ریه یا ildاصطلاحی کلی است که بر مجموعه ای از اختلالات مزمن و شدید ریوی اطلاق می گردد. این دسته از بیماریها، دارای الگوهای رادیوگرافیک پیچیده و گاه نامشخصی هستند و تشخیص آن به تبحر و تجربه مشاهده کننده و شرایط محیطی بستگی دارد. هدف از انجام این پروژه، ایجاد یک سیستم کامپیوتری جهت ارزیابی کمی بافت ریه و تعیین میزان گستردگی الگوهای مرتبط با ild در آن است. برای دستیابی به این هدف، تصاویر hrct ریه با استفاده از تکنیکهای پردازش تصویر و تحلیل بافت مورد پردازش و ارزیابی قرار می گیرند و سه الگوی لانه زنبوری، شیشه مات و رتیکولار از بافت نرمال تمیز داده می شوند. الگوریتم ارائه شده جهت دسته بندی الگوهای بافت ریه شامل 3 مرحله می باشد: در مرحله اول ریه از پس زمینه جدا می شود. در مرحله دوم با ترکیبی از تبدیلات بر پایه ی موجک و پیچک به همراه پنج ویژگی آماری با مفهوم جدید بدست آمده از ماتریس طول حرکت، استخراج ویژگی از نواحی مطلوب (roi) تعریف شده درون بافت ریه صورت می گیرد و در نهایت الگوریتم ماشین بردار پشتیبان فازی برای دسته بندی الگوها اعمال می گردد. به منظور ارزیابی عملکرد سیستم، نتایج حاصل از روش پیشنهادی را با یکی از جدیدترین روشهای ارائه شده جهت مشخصه یابی بافت ریه مقایسه کرده و نشان دادیم روش پیشنهادی ما در مشخصه یابی بافت ریه در شرایط یکسان به میزان 3% دقیقتر عمل می کند. همچنین در آنالیز کلی تصاویر hrct، عملکرد سیستم کامپیوتری با عملکرد دو رادیوژیست مورد ارزیابی قرار می گیرد. ضریب توافق کاپا بین سیستم و هریک از رادیولوژیستها به ترتیب برابر 6901/0 و 6840/0 بدست آمده که در مقایسه با ضریب توافق 6834/0 بین دو رادیولوژیست رقم قابل توجهی می باشد. در پایان تحقیق با انجام آنالیز آماری جهت ارزیابی داده های کمی حاصل از سیستم کامپیوتری و نتایج تست تنفسی، نشان می دهیم میان نتایج کمی حاصل از سیستم کامپیوتری و نتایج تست تنفسی بیمار همبستگی وجود دارد. سیستم کامپیوتری ارائه شده می تواند منجر به بهبود تصمیم گیری و کارایی پزشک به واسطه ی تسهیل در کشف و ارزیابی الگوهای تصویری پیچیده، کاهش تفاوت میان مشاهده گرها و حذف اعمال تکراری و بعضاً خسته کننده گردد.