تشخیص نواحی دارای عروق خونی غیرطبیعی در شبکیه با استفاده از ویژگی های بافت

رتینوپاتی دیابتی یکی از مهمترین عوامل کاهش بینایی می باشد. اغلب در مراحل پیشرفته ی این بیماری، عارضه ی تشکیل عروق خونی غیرطبیعی در شبکیه چشم ایجاد می شود، که در صورت عدم تشخیص به موقع و درمان، منجر به کاهش شدید بینایی و یا در نهایت کوری خواهد شد. یکی از روش های پیش گیری و کاهش صدمات اقتصادی که پیشنهاد شده است، اجرای روش های غربال گری است.بنابراین پزشکان برای تشخیص علائم بیماری، از شبکیه چشم بیماران عکس برداری نموده و در نهایت با توجه به عکس های گرفته شده، بیماری و میزان پیشرفت آن را تشخیص می دهند. از آن جا که حجم زیادی از تصاویر از بیماران به وجود می آید، وجود یک سیستم غربال گری، که بتواند درصد زیادی از تصاویر را در مراحل اولیه از روند غربال گری جدا کند، منجر به صرفه جویی بیشتر در هزینه، بهبود دقت و حفظ بینایی خواهد شد. در این پایان نامه، نرم افزاری جهت غربال گری خودکار عارضه ی عروق خونی غیرطبیعی توسعه داده شده است. اولین دستاورد این پایان نامه، تهیه ی بانک داده ی محلی با سه برچسب گذاری توسط سه پزشک متفاوت می باشد. در معدود روش های پیشین، با استفاده از استخراج عروق خونی، تلاش شده است که نواحی دارای عروق خونی غیرطبیعی استخراج شود. درصورتی که استخراج عروق در مراحل ابتدایی کار نمی تواند نتیجه چندان مطلوبی در کل سطح شبکیه داشته باشد.بنابراین سیستم پیشنهادی ارائه شده، سعی در استفاده از توصیف گرهای بافت داشته و دارای سه فاز اصلی می باشد. در فاز اول،تصویر به ناحیه های کوچک تری تقسیم می شود؛ سپس توسط الگوریتمی با سرعت اجرای مناسب، حدود سه چهارم از کل نواحی، به عنوان سالم، از فرآیند غربال گری حذف می شوند. در فاز دوم الگوریتم، نواحی کاندید عارضه ی عروق خونی غیرطبیعی، با ویژگی های بافتمتفاوت از فاز اول، با استفاده از دسته بند ماشین بردار پشتیبان، دسته بندی می شوند. در این فاز از ویژگی های بافت متفاوتی از فاز اول استفاده می شود. در نهایت فاز سوم به تمایز بین تصاویر دارای عارضه ی عروق خونی و تصاویر بدون عارضه، در سطح کلی، می پردازد. مهم ترین دلیل ترکیب و ایجاد سیستم چند فازی، کاهش پیچیدگی زمانی و مکانی است. برای ارزیابی سیستم پیشنهادی،علاوه بر بانک داده ی استاندارد etdrs، یک بانک تصویر بومی، تحت عنوانkhpdr، با همکاری متخصصین در بیمارستان خاتم النبیا مشهد ساخته و استفاده شده است. برای مقایسه با الگوریتم های پیشین، در برخی آزمایش ها از بانک etdrs استفاده شده است. البته برچسب گذاری این بانک داده منتشر نشده است. علاوه بر این سیستم پیشنهادی با استفاده از معیارهای حساسیت و اختصاصی بودن، با برچسب داده های محلی مورد ارزیابی قرار گرفته است. به عنوان یکی از دستاوردهایی که در این مرحله حاصل شد، امکان پذیری استفاده از توصیف گرهای بافت، در تشخیص عارضه ی عروق خونی غیرطبیعی می باشد. پایان نامه ی حاضر نتایج متنوعی را گزارش می کند. همچنین برخی نتایج به دست آمده نشان می دهد، کیفیت سیستم پیشنهادی از نظر زمانی و کارایی مطلوب است.