پیدا کردن محل لندمارک های صورت در تصاویر رادیولوژی ارتودنسی به صورت اتوماتیک

با توجه به فراهم آمدن و در دسترس بودن سیستم های عکس برداری دیجیتال و الگوریتم های مرتبط با آنها، آنالیزهای پزشکی پیشرفت قابل توجهی داشته اند. علاوه بر آن، فعالیتهای بسیاری در زمینه ی خودکار سازی فرآیند تشخیص در پزشکی انجام گرفته است. یکی از این فرآیندها، آنالیز سفالومتری است که شامل تشخیص لندمارک های سفالومتری و آنالیز روابط خطی و زاویه ای بین آنهاست. این لندمارک ها در حقیقت نقاط از پیش تعیین شده ای هستند که بر روی ساختارهای استخوانی و بافت نرم قراردارند. انجام فرآیند تشخیص لندمارک ها و آنالیز روابط بین آنها به صورت دستی کاری خسته کننده است. اگرچه، نرم افزارهایی کامپیوتری وجود دارند که می توانند آنالیزهای مختلفی را بعد از تعیین محل لندمارک ها بر روی تصویر ورودی انجام دهند، ولی قادر به تشخیص خودکار محل دقیق لندمارک ها بر روی تصویر ورودی نمی باشند. در این نرم افزارها این مرحله بر عهده ی کاربر گذاشته می شود تا آن را به صورت دستی با ابزارهایی که برنامه در اختیارش قرار می دهد انجام دهد. در این تحقیق، به ارائه روشی مبتنی بر تکنیک های پردازش تصویر و یادگیری ماشین می پردازیم که هدف از آن اتوماتیک کردن فرآیند تشخیص محل لندمارک ها می باشد. اگر نقاط مذکور با دقت مناسبی تعیین شوند، انجام بقیه ی آنالیز به راحتی امکان پذیر است. قدم های مورد بررسی در این تحقیق به ترتیب زیر است: در ابتدا، از یک الگوریتم تشخیص شیء به صورت مستقل از دامنه، جهت یافتن تقریبی اولیه از موقعیت لندمارک ها استفاده شد. در این روش توصیف کننده ی hog در کنار دسته بندی کننده ی svmبه کار گرفته شده است. اگرچه، با استفاده از روش مذکور، توانستیم با دقتی بالای هشتاد و یک درصد تقریبی اولیه از موقعیت 16 لندمارک انتخابی را به دست آوریم، ولی همچنان می توان در جهت بهبود آن گام برداشت. در قدم بعدی، جهت بهبود شاخص های انتخابی و دسته بندی کننده، تغییراتی بر روی پارامترهای آنها اعمال شد. همچنین، برخی از روش ها برای انتخاب بهترین تقریب از موقعیت لندمارک بررسی و یک ویژگی جدید برای بهبود نتایج تقریب ها معرفی شد. در قدم سوم، تلاش هایی جهت تعیین موقعیت دقیق لندمارک در اطراف نقطه ی تعیین شده در مرحله ی قبل انجام شد. در قسمت بعد، تغییراتی در جهت افزایش کارایی سیستم صورت گرفت. از جمله این تغییرات، تغییر در کرنل svm و استفاده از روش های بهبود کیفیت تصویر قبل از محاسبه بردار ویژگی بود. با توجه به نتایج خاصل از این تحقیق، سیستم پیشنهادی می تواند موقعیت لندمارک های چون gnathion، menton، sella، porion، pogonion و upper incisor tip را در فاصله ی کمتر از 2 میلیمتری محل اصلی آنها با دقتی بالای 65 درصد بیابد. البته باید در نظر داشت که نتیجه ی سیستم برای سایر لندمارک ها در مقایسه با سایر کارهای انجام شده در این زمینه قابل قبول بوده ولی برای استفاده عملی نیاز به بهبود دارد. نتیجه ی اصلی رساله حاضر، این است که روش ارائه شده در آن را می توان به عنوان پایه ای برای یک سیستم خودکار استفاده کرد. در این سیستم نیاز است که پزشک تعداد کمی از خطا ها را قبل از تکمیل فرآیند آنالیز تصحیح کنند.