بخش بندی خودکار شریان های کرونری در دنباله تصاویر رگ نگاری اشعه ایکس

بیماری شریان کرونری یکی از عوامل اصلی مرگ و میر در دنیاست. علت اصلی بیماری شریان کرونری تصلب شریانها است که در اثر رسوب چربی در دیوارة داخلی این شریانها به وجود می آید. روش رگ نگاری اشعه ایکس به عنوان استاندارد طلایی برای تشخیص گرفتگی عروق شناخته می شود. درطول عمل رگ نگاری، ماده حاجب (عامل تباین ) با استفاده از کتتر به عروق کرونری تزریق می شود. به دلیل چگالی و عدد اتمی بالای این ماده، فوتون های اشعه ایکس بیشتر از خون و بافت ها جذب آن می شوند. عامل تباین سبب وضوح رگ های خونی در تصاویر رگ نگاری اشعه ایکس و ایجاد دقت در جزییات آنها می شود. به این ترتیب دنباله ای از تصاویر شریانهای کرونری به دست می آید که معمولا شامل دو یا سه دوره از حرکت قلب است. اما در این تصاویر علاوه بر رگ های خونی، ساختارها و بافت های دیگر که در معرض تابش اشعه بوده اند، نیز در پس زمینه در مجاورت رگ ها دیده می شوند که فرایند پردازش را مختل می سازند. همچنین به علت حرکت قلب و جریان خون، فقط بعضی از این تصاویر در دنباله، درخت رگ را در بر دارندکه در حال حاضر بصورت بصری مشخص می شوند. پردازش تصاویر رگ نگاری کرونری اشعه ایکس به دلیل پس زمینه پیچیده و حرکت متفاوت اجزاء تصویر، با چالش همراه است. روش های موجود یا نیمه خودکار هستند و به دخالت پزشک نیاز دارند، یا دارای دقت مناسبی نیستند و یا از اطلاعات تمام قاب ها در فرایند بخش بندی استفاده نمی کنند. تحقیق حاضر در صدد ایجاد چارچوبی کاملا خودکار برای استخراج و تحلیل شریانهای کرونری در تصاویر رگ نگاری اشعه ایکس است. در این رساله ابتدا ارتباط متقابل ابزارهای ریاضی مفید مانند معادلات مشتق جزئی ومدلهای تغییرات بیان می شود. سپس از بین آنها مدل ممفورد و شاه برای بخش بندی انتخاب می شود. نشان داده می شود که روش های موجود مبتنی بر ممفورد وشاه برای آشکارسازی رگ ها کفایت لازم را ندارند. به همین جهت با توسعه آن تابع انرژی جدیدی با نام برازش ویژگی محلی ارائه می شود. به این ترتیب که ابتداء با روشی مناسب احتمال تعلق هر پیکسل به رگ ( ودرنتیجه پس زمینه) به دست می آید و سپس با وارد کردن این ویژگی در معادله ممفورد وشاه، بخش بندی انجام می گیرد. در مرحله بعد و به منظور دنبال کردن درخت رگ و بخش بندی تصاویر با وضوح کمتر، از اطلاعات بخش بندی مربوط به تصاویر با وضوح بیشتر استفاده می شود. برای حصول این هدف، تخمین میدان جابجایی رگ ها در این تصاویر در تابع انرژی پیشنهادی برای بخش بندی، لحاظ می شود. همچنین، قابهای بهینه تعریف و روشی برای تعیین خودکار آنها ارائه شده است. در این راستا، ابتداء فرایندی برای برطرف کردن عوارض پس زمینه ارائه می گردد و سپس با تحلیل هیستوگرام و طبقه بندی فازی انتخاب خودکا ر تصاویر بهینه انجام می گیرد. با اعمال روش های پیشنهادی روی تصاویر ساختگی و واقعی، دقت و کارایی آنها بطور کیفی و کمی نشان داده شده است. با انتخاب 20 تصویر از 15 بیمار دقت متوسط استخراج رگ ها توسط الگوریتم بخش بندی پیشنهادی، 0/9796 شده است.