بیماری مالاریا با تهدید تقریبا نیمی از جمعیت کره ی زمین، از مهم ترین مشکلات بهداشتی جهان محسوب می شود. روش قطعی در تشخیص مالاریا، مشاهدات میکروسکوپی گسترش های خونی بیماران است. گسترش های خونی، روش هایی برای تثبیت موقعیت انگل بر روی لام خون می باشند. تشخیص مالاریا با استفاده از مشاهدات میکروسکوپی، وظیفه ی زمان بر و خسته کننده ای برای تکنسین محسوب می شود. علاوه بر این ، به دلیل واگذاری تصمیم نهایی به چشم و نظر انسان، احتمال بروز خطا در تصمیم گیری بویژه در مراحل ابتدایی شکل گیری انگل در خون وجود دارد. بکارگیری روش های کامپیوتری به منظور اتوماتیک نمودن روند تشخیص، می-تواند در رفع برخی از مشکلات موجود مفید واقع شود. با توجه به این مسئله در این تحقیق، شکل و یا محدوده ی آلوده به انگل به صورت اتوماتیک استخراج می گردد. نحوه ی دست یابی به این محدوده، با ارائه ی یک روند جستجوی کامل انجام شده است که بخش اصلی الگوریتم پیشنهادی در تشخیص اتوماتیک مالاریا را به خود اختصاص می دهد. به صورت کلی، الگوریتم پیشنهادی شامل مراحل پیش پردازش، بخش بندی، استخراج ویژگی ها و طبقه بندی می باشد. مرحله ی پیش پردازش با استفاده از الگوریتم فیلترگذاری انتشار غیر خطی به منظور حذف نویزهای موجود در تصویر انجام می شود. وظیفه ی مرحله ی بخش بندی، جداسازی اشیاء رنگ شده در تصویر، که کاندیدهایی برای حضور انگل هستند، بوده و هر شیء استخراجی ورودی الگوریتم جستجو در نظر گرفته می شود. الگوریتم جستجو پیشنهادی بر پایه ی الگوریتم برازش بیضی به روش حداقل مربعات می باشد و شکل انگل را در طی چند مرحله جستجو شامل جستجوی هسته، جستجوی دایره ای و جستجوی بیضوی کامل می نماید. جستجوی هسته در واقع یک آستانه-گذاری بر مبنای شدت روشنایی است. با اعمال جستجوی دایره ای، موقعیت و نقاط اولیه حضور انگل در اطراف هسته ی استخراجی تعیین می گردد. بعداز این مرحله، الگوریتم برازش بیضی به نقاط اولیه برازش شده تا پارامترهای جستجوی بیضوی بدست آید. جستجوی بیضوی با استفاده از پارامترهای بیضی اعمال شده، جستجو را در حوالی بیضی برازش شده متمرکز کرده و شکل انگل را کامل می کند. پیشنهاد این مرحله در تشخیص اتوماتیک مالاریا، علاوه بر این که مراحل استخراج ویژگی ها و طبقه بندی را ساده و سریع نموده است، الگوریتم پیشنهادی را در برخورد با گلبول های هم پوشان بدون نیاز به روش های جداسازی چنین گلبول هایی توانمندکرده است. الگوریتم پیشنهادی با استفاده از ویژگی های هندسی استخراجی و قوانین تصمیم گیری، تصمیم گیری لازم مبنی بر سالم یا آلوده بودن گلبول را اتخاذ می نماید. اعمال الگوریتم پیشنهادی به تصاویر تهیه شده از گسترش نازک خون، در گروه آسیب-شناسی دانشگاه علوم پزشکی اصفهان زیر نظر دکتر طالبی،حساسیت %21/ 82 و خصوصیت %02/98 را نتیجه داده است.

استخراج ساختارهای اصلی در تصاویر شبکیه چشم، از جمله رگ های خونی، دیسک نوری و ناحیه فووه آ ، نقش مهمی را در تشخیص اتوماتیک بیماری های قلبی عروقی و چشمی مانند رتینوپاتی دیابتی، ایفا می کنند. بر این اساس، در این پایان نامه ابتدا روشی نوین وموثر جهت استخراج رگ های خونی از تصاویر شبکیه چشم پیشنهاد شده است. الگوریتم پیشنهادی جهت استخراج رگ های خونی، سه مرحله اصلی را شامل می شود. در مرحله اول، تغییرات غیریکنواخت روشنایی در پس زمینه و کانتراست رگ های خونی به ترتیب با اعمال فیلتر "انتشار غیرخطی با کانتراست مدوله شده" و عملگر مورفولوژی top-hat با مجموعه ای از المان های ساخت چند جهته اصلاح می شوند. در مرحله دوم، با توجه به دو ویژگی مقیاس پذیری غیریکنواخت و جهت داربودن برای نسل جدید تبدیل کرولت، مجموعه ای از تصاویر جهتی بر این اساس، به منظور استخراج بخش مرکزی رگ ساخته و پردازش می شوند. سپس به منظور حذف زوائد و ساختارهای غیررگ، تصاویر جهتی مربوط به رگ های باریک به صورت حاصل جمع ترکیب می شوند. نهایتاً در مرحله سوم، بخش بندی درخت رگ با اعمال یک فر آیند تکرارپذیر رشد ناحیه، با در نظر گرفتن مراکز رگ به عنوان نقاط دانه، آشکار می شود. در ادامه الگوریتمی کارآمد جهت استخراج دیسک نوری از تصاویر شبکیه ارائه شده است. در الگوریتم پیشنهادی به این منظور ابتدا رگ های خونی شبکیه با استفاده از عملگرهای مورفولوژی از تصویر شبکیه حذف می شوند. سپس تبدیل کرولت تصویر حاصل از مرحله قبل، محاسبه می شود و ضرائب آن جهت استخراج نواحی نامزد برای دیسک نوری با استفاده از یک تابع غیرخطی اصلاح می شوند. نواحی نامزد با اعمال آشکارساز لبه کنی و تبدیل هاف بر روی تصویر حاصل از بازسازی ضرائب کرولت اصلاح شده، استخراج می شوند. سپس با توجه به ساختار رگ های خونی در پیرامون دیسک نوری، آرک اصلی رگ با استفاده از مجموعه ای از عملگرهای مورفولوژی آشکار می شود. پس از آن ناحیه واقعی دیسک نوری با استفاده از اطلاعات آرک اصلی رگ تعیین می گردد. در نهایت مرز ناحیه دیسک نوری با اعمال روش مجموع سطح مبتنی بر ترم تنظیم فاصله استخراج خواهد شد. در پایان نیز الگوریتمی موثر جهت استخراج ناحیه فوو ه آ پیشنهاد شده است. الگوریتم پیشنهادی به این منظور با تعریف ناحیه roi در تصاویر شبکیه شروع می شود. سپس همانند الگوریتم پیشنهاد شده برای استخراج دیسک نوری، ناحیه نامزد فووه آ با بازسازی ضرائب کرولت اصلاح شده در ناحیه roi ، مشخص می شودو مرز این ناحیه با اعمال روش مجموع سطح مبتنی بر ترم تنظیم فاصله آشکار خواهد شد. الگوریتم پیشنهادی جهت استخراج رگ های خونی شبکیه بر روی تصاویر رنگی از پایگاه داده drive و همچنین تصاویرآنژیوگرافی از واحد آنژیوگرافی بیمارستان فیض اصفهان به ترتیب صحت 9359/0 و 9354/0 را نتیجه داده است. همچنین الگوریتم پیشنهادی به منظور استخراج ناحیه دیسک نوری بر روی تصاویر آنژیوگرافی صحت 9012/0را نتیجه می دهند.

طی دهه اخیر، پردازش تنک سیگنال ها به عنوان ابزاری قدرتمند و جایگزینی کارا برای تبدیل های کلاسیک، توجه زیادی را به خود جلب کرده است. استفاده از نمایش تنک سیگنال ها در مسائل طبقه بندی نیز نتایج موفقیت آمیزی به همراه داشته است. با این حال، کیفیت عملکرد این طبقه بندی کننده ها در شرایط سخت، از جمله در مواردی که داده های هر طبقه تنوع زیادی داشته و یا ابعاد داده ها در مقایسه با تعداد داده های آموزشی زیاد باشد، به شدت افت می کند. علاوه بر این، پیچیدگی محاسباتی بالای برخی از این روش ها، استفاده از آن ها را در بسیاری از کاربردهای عملی با مشکل مواجه می کند. برای کاهش این مشکلات، روش های مختلفی ارائه شده است که از آن جمله می توان به توسعه الگوریتم های آموزش دیکشنری طبقه بندی گرا و همچنین معرفی روش هایی برای انتخاب تعداد کمی از اتم های دیکشنری که نمایش متمایزکننده تری از سیگنال مورد نظر ارائه می دهند، اشاره کرد. در این پژوهش، مسائل پیچیده طبقه بندی دادگان با استفاده از طبقه بندی کننده های مبتنی بر نمایش تنک، با به کارگیری روش های آموزش دیکشنری و همچنین ارائه ی روش جدیدی تحت عنوان طبقه بندی دو مرحله ای مورد توجه قرار گرفته است. برای ارزیابی عملکرد روش ها، از دو پایگاه داده 14-tumors و lfw استفاده شده است. دادگان 14-tumors حاوی مقادیر بیان ژن در 14 نوع تومور مختلف می باشد که ابعاد بسیار بالایی در مقایسه با تعداد نمونه ها دارد. شرایط کنترل نشده تصاویر چهره lfw نیز منجر به عملکرد ضعیف روش های معمول، در تفکیک زوج های سازگار و ناسازگار آن شده است. مقایسه ی نتایج شبیه سازی ها، حاکی از عملکرد بهتر روش طبقه بندی دو مرحله ای پیشنهادی در دادگان 14-tumors، با صحت تقریبی 80 درصد است. همچنین، استفاده از دیکشنری های مجزا برای هر یک از تصاویر زوج ورودی، به دسته بندی نسبتا بهتر زوج های سازگار و ناسازگار در پایگاه داده lfw منجر شده است.