بهبود عملکرد سیستم های تشخیص به کمک کامپیوتر(cad) جهت بررسی ندول های ریوی براساس پردازش تصاویر ct

یکی از علل مرگبار بودن سرطان ریه و بیماری های ریوی، عدم تشخیص آنها در مراحل ابتدائی بعلت کمبود علائم بیماری است. تشخیص این بیماری ها در مراحل اولیه در روند درمان بسیار موثر است و احتمال درمان را بسیار افزایش می دهد. سیستم های آشکارساز کامپیوتری یا cad، جهت آشکارسازی و طبقه بندی نواحی در رادیوگرافی های قفسه سینه به لحاظ موارد غیر عادی (مثل برآمدگی ها) که ممکن است هشدار دهنده سرطان ریه باشند، طراحی شده اند. بدین منظور در این پایان نامه رویکردی ارائه شده که به تحلیل سه بعدی و خودکار تصاویر ctقفسه سینه می پردازد. رویکرد معرفی شده شامل مراحل زیر می باشد: در مرحله اول بعد از استاندارد سازی شدت روشنایی تصاویر، به صورت اتوماتیک بافت اصلی ریه از پس زمینه جدا می شود. در این مرحله روشی جهت بازسازی دیواره ریه و بازیابی نقاط حذف شده مشکوک متصل به دیواره ریه ارائه شده است. در مرحله دوم کاندیدهای ندول ها استخراج می گردند. بدین منظور ابتدا پیش پردازشی بر روی تصاویر اعمال شده و سپس با استفاده از روشهای فیلتر کردن تصاویر با هسته های گوسی و شاخص شکل و یک روش ترکیبی پیشنهادی، کاندیدهای ندول ها استخراج می شوند. در ادامه جهت بازسازی کاندیدهای ندول ها و یافتن حجم کامل آنها، از دو روش رشد ناحیه استفاده شده است. در مرحله سوم ویژگی های بهینه متمایز کننده ندول ها از غیر ندول ها، از نواحی کاندید استخراج می گردند. در مرحله چهارم با استفاده از طبقه بندی کننده ماشین بردار پشتیبان و ویژگی های استخراج شده، کاندیدهای ندول ها به دو دسته ندول و غیر ندول طبقه بندی می شوند. در مرحله پنجم ویژگی ها جهت طبقه بندی ندول ها بررسی می شوند. در این پروژه از تصاویر ct قفسه سینه 57 بیمار، که از کنسرسیوم پایگاه داده تصاویر ریه (lidc) گرفته شده، استفاده کرده ایم. میانگین تعداد برشها برای هر سوژه 254 برش می باشد. بهترین نتایج بدست آمده برای جداسازی ندول از غیر ندول ها دارای حساسیت6/87 با میانگین تعداد خطای مثبت یا fp، 9/8 برای هر سوژه می باشد. با توجه به استفاده از تصاویر متنوع پایگاه داده معتبر lidc که شامل تعداد سوژه های کافی برای سنجش الگوریتم ارائه شده و ندول ها با اندازه و اشکال گوناگون است، نتایج حاصل شده از این سیستم قابل قبول خواهد بود.