دیابت بیماری است که تعداد بسیاری از افراد را در سرتاسر دنیا تحت تاثیر قرار داده است. این بیماری منجر به تغییرات رگ های خونی در سرتاسر بدن می شود که تمرکز بیشتر بر روی عروق موجود در چشم است. وقتی عروق موجود در چشم تحت تاثیر بیماری دیابت قرار می گیرند، این شرایط به بیماری رتینوپاتی دیابتی اطلاق می گردد و این بیماری می تواند به کوری فرد بیمار نیز منجر شود. تشخیص زودهنگام این بیماری می تواند از عوارض بعدی و همچنین هزینه های درمان آن به طور قابل ملاحظه ای بکاهد. افراد دیابتی و همچنین افراد در معرض این بیماری نیاز دارند تا در یک زمانبندی منظم آزمایشات چشمی را انجام دهند. بنابراین نیاز به یک سیستم تشخیص خودکار بیماری دیابت می باشد. هدف ما تقطیع خودکار عروق موجود در تصاویر کنژ چشم است که پیش نیاز فرآیند تشخیص بیماری دیابت از روی ساختار عروق موجود در این قسمت از چشم می باشد. تصاویر کنژ چشم بر خلاف تصاویر شبکیه به آسانی و با دوربین های معمولی قابل اخذ هستند. با وجود اهمیت بالای تقطیع و پردازش عروق موجود در کنژ، روش های بسیار کمی در این حوزه ارائه شده است و معدود روش های موجود نیز دارای دقت قابل قبولی نبوده اند. بنابراین نیاز به سیستمی که بتواند عروق موجود در این قسمت از چشم را با دقت بالا استخراج نماید کاملا مشهود به نظر می رسد. در این پایان نامه سیستمی خودکار برای تقطیع عروق کنژ چشم ارائه شده است. در این سیستم ابتدا در مرحله پیش پردازش کنتراست تصاویر اخذ شده بهبود می یابد و سپس با استفاده از ویژگی های بافت (الگو های دودویی محلی)، عنبیه یا قسمت سیاهی چشم که در تصاویر کنژ وجود دارد را پیدا و حذف کرده تا از تقطیع عروق اشتباه در این قسمت جلوگیری کنیم. حال با استفاده از تبدیل رادون محلی، عروق موجود در تصاویر بهبود یافته را می یابیم. به دلیل اینکه عروق موجود در این قسمت از چشم دارای اشکال متفاوت و پیچش های زیاد می باشند، تبدیل رادون درجه دو یا منحنی وار را به کار گرفتیم تا تخمین دقیق تری را بتوانیم از شکل و محل رگ موجود در پنجره مورد پردازش بدست آوریم. بعد از تایید صحت رگ در هر پنچره که به صورت وفقی مشخص می شود، رگ تخمین زده شده را با استفاده از پارامتر های بدست آمده از تبدیل رادون برای آن، بازسازی می کنیم. برای ارزیابی سیستم پیشنهادی از بانک تصاویر کنژ تهیه شده توسط بیمارستان خاتم الانبیاء مشهد (mums) استفاده می کنیم. نتایج عروق استخراج شده با استفاده از این سیستم را با نتایج دستی عروق استخراج شده توسط چشم پزشک مقایسه می کنیم. همچنین سیستم فعلی را با معدود سیستم های موجود در این حوزه از لحاظ دقت و سرعت مورد ارزیابی قرار می دهیم. در آزمایشی دیگر کارایی سیستم پیشنهادی در تقطیع عروق شبکیه چشم نیز مورد بررسی قرار گرفت. نتایج بدست آمده، نشان دهنده کارایی و دقت بالای سیستم فوق در شناسایی عروق کنژ و همچنین شبکیه چشم می باشد.

عروق شبکیه چشم دسترسی یکتا و آسانی را به پنجره مطالعات سلامت و بیماری سیستم گردش خون اندامهای حیاتی انسان به صورت مستقیم و بدون هیچ گونه آسیبی فراهم می کند. در دهه گذشته پیشرفتهایی که در تکنیک های تصویربرداری ته چشم صورت گرفته امکان توصیف دقیقی از کوچکترین تغییرات چشم را فراهم می آوردند. این تغییرات کوچک را می توان به دو دسته اصلی تغییرات هندسی عروق (پیچش عروق) و بروز علائمی همچون میکروآنرزیم و لخته های خونی تقسیم کرد که در اثر بیماری هایی همانند دیابت و یا فشارخون رخ می دهند. با توجه به اینکه پیچ و خم دار شدن عروق جزء اولین علائمی است که در صورت بروز اینگونه بیماری ها رخ می دهد، تشخیص زودهنگام این بیماری ها با بررسی منظم مقدار پیچش عروق شبکیه از مشکلات غیر قابل بازگشت آنها جلوگیری می کند. همچنین محاسبه کمی پیچش عروق امکان مقایسه و بررسی وضعیت بیمار را در زمانهای مختلف به پزشک معالج می دهد. با وجود اهمیت بالای ارزیابی پیچش عروق شبکیه، تکنیک های اندکی در این حوزه ارائه شده اندکه با تشخیص بالینی چشم پزشک مطابقت داشته باشند. به علاوه بار محاسباتی الگوریتم های موجود بالا و دقت آنها پایین است. لذا ارائه سیستمی که بتواند با دقت بالا و زمان مناسب مقداری را برای پیچش عروق شبکیه که منطبق با تشخیص چشم پزشک باشد، تخمین بزند ضروری به نظر می رسد. در این پایان نامه سیستمی پیشنهاد می شود که در آن برای کاهش بار محاسبات مراحل اصلی الگوریتم های پیشین همانند استخراج خط مرکزی و مختصات رگ با استخراج ویژگی از تبدیل گابور جایگزین می شود. در این سیستم از تبدیل چندرزولوشنی موجک گابور برای استخراج اطلاعات جهت دار و مقیاس رگ استفاده می کنیم. قبل از اعمال فیلتر گابور ابتدا مرزهای نامطلوب در اطراف تصویر شبکیه، ناشی از روزنه دید دوربین با کمک ابزارهای مورفولوژی حذف می شود. در گام بعدی فیلتر گابور در سه مقیاس و شانزده جهت در هر مقیاس به تصویر بدست آمده از مرحله قبل اعمال می شود. خروجی این مرحله از الگوریتم شانزده ماتریس ضرایب در هر مقیاس با ابعاد یکسان با تصویر اولیه است. با توجه به اینکه فرض اصلی سیستم پیشنهادی ما اینست که پیچش کل عروق از ترکیب انحناء های محلی عروق با مقیاس یکسان بدست می آید، هر یک از زیرباندها و یا ماتریس های بدست آمده از آنها به پنجره های همپوشانی با ابعاد یکسان تقسیم می شوند. برای ارزیابی مقیاس یک قطعه رگ، ماکزیمم زیرباندهای گابور در هر مقیاس محاسبه می شود و سپس برای هر پنجره متناظر با تصویر اصلی مقیاسی تعریف می شود که معادل مقیاسی از فیلتر گابور است که در آن میانگین ضرایب آن پنجره از میانگین ضرایب همان پنجره در مقیاس های دیگر بزرگتر باشد. انحنای هر قطعه رگ از معکوس تفاضل دو جهت اصلی خم درون هر پنجره بدست می آید. این دو جهت معادل دو قله در بردار ویژگی حاصل از میانگین ضرایب یک پنجره در زیرباندهای مختلف مقیاس بدست آمده برای آن پنجره است. ترکیب انحناءهای بدست آمده در هر مقیاس گابور و تقسیم آنها به تعداد پنجره هایی که رگ در آنها تشخیص داده شده است مقدار پیچش عروق شبکیه در هر مقیاس را تعیین می کند. برای محاسبه مقدار پیچش کل، ترکیب وزنی مقدار پیچش های بدست آمده از هر مقیاس محاسبه می شود. با توجه به اینکه تاثیر پیچش هر مقیاس در مقدار پیچش کل مشخص نیست وزنها با کمک الگوریتم ازدحام ذرات بدست می آیند. این الگوریتم با رتبه بندی که چشم پزشک به مجموعه تصاویر شبکیه داده است آموزش می بیند. در این پایان نامه به منظور ارزیابی سیستم پیشنهادی از ضریب همبستگی اسپیرمن و میزان دقت الگوریتم در دسته بندی تصاویر شبکیه استفاده می کنیم. ضریب همبستگی اسپیرمن در الگوریتم پیشنهادی ما، که میزان مطابقت مقدار ارزیابی شده پیچش عروق توسط این سیستم را با تشخیص چشم پزشک برای رتبه بندی تصاویر می سنجد، 96% بدست آمده است. همچنین دقت الگوریتم در دسته بندی عروق به سه دسته عروق با پیچش کم، متوسط و زیاد به طور میانگین 84% است. در نهایت به منظور مقایسه نتایج سیستم پیشنهادی و الگوریتم های موجود، سیستم پیشنهادی را به مجموعه تصاویر گریسان اعمال می کنیم. نتایج حاصل از این آزمایش که با مقدار ضریب همبستگی اسپیرمن سنجیده می شود 94%بدست آمده و در مقایسه با نتایج دیگر الگوریتم ها نشان می دهد که سیستم پیشنهادی ما مطابقت بیشتری با تشخیص چشم پزشک دارد.

بیماری دیابت یکی از شایع ترین بیماری های جهان است. یکی از سریعترین راه های تشخیص بیماری دیابت تحلیلعروق و عارضه های ناشی از صدمات وارده به عروقشبکیه چشم می باشد.رتینوپاتی دیابتی از عوارض بسیار شایع بیماری دیابت بر روی شبکیه ی چشم است که در صورت تشخیص دیر هنگام باعث کاهش دید و یا نابینایی فرد مبتلا می شود. در سال های اخیر تشخیص علایم بیماری از روی تصاویر گرفته شده از شبکیه چشم بیماران انجام می شود. تعداد فراوان بیماران و حجم انبوه تصاویر، نیاز به نیروهای متخصص و هزینه های غربالگری را افزایش داده است و به دنبال آن کیفیت تشخیص بیماری و رضایتمندی بیماران کاهش یافته است. یک سیستم غربالگری خودکار می تواند در رفع مشکلات ذکر شده تاثیر بسزایی داشته باشد. در این سیستم ها از تکنیک های پردازش تصویر برای تشخیص علایم بیماری استفاده می شود.ضایعات قرمزرنگ(میکروآنوریسم و خونریزی) از علایم اولیه ی بیماری رتینوپاتی می باشد. بنابراین تشخیص این علایم از اهمیت ویژه ای برخوردار است و می تواند از پیشرفت بیماری جلوگیری کند. در این پایان نامه، سیستمی خودکار برای تشخیص ضایعات قرمز رنگ ارائه داده شده است. این سیستم شامل یک مرحله ی پیش پردازش و دو فاز اصلی برای استخراج ضایعات قرمز است. در مرحله ی پیش پردازش، مشکلات موجود در تصاویر شبکیه، شامل کنتراست پایین و تفاوت رنگ تصاویر مختلف شبکیه رفع می شود. فاز اول با هدف افزایش سرعت الگوریتم طراحی شده است.در این فاز با استفاده از ویژگی های آماری و بافت بخش های از تصویر را که خصوصیات کاملا متفاوتی با ضایعات قرمز دارند، حذف می کنیم. در مرحله ی بعد با استفاده از تبدیل موجک مورلت و بازنمایی ضایعات قرمز در حوزه ی تبدیل، در زوایای مختلف و در چند مقیاس متفاوت ضایعاترا شناسایی می کنیم. برای ارزیابی سیستم پیشنهادی، از تصاویر بانک بیمارستان خاتم النبیا مشهد (mums) استفاده شده است. نتایج بدست آمده از این سیستم با نتایج استخراج شده توسط پزشک مقایسه شده است. همچنین کارایی سیستم مذکور، از نظر دقت و سرعت با تعدادی از الگوریتم های موجود، مورد ارزیابی قرار گرفته است. نتیجه مقایسه و ارزیابی نهایی، نشان می دهد که الگوریتم پیشنهادی از کارایی و سرعت مناسب در شناسایی ضایعات قرمز برخوردار می باشد و می تواند در یک سیستم خودکار غربالگری مورد استفاده قرار بگیرد.

رتینوپاتی دیابتی یکی از دلایل شایع نابینایی در جهان محسوب می شود. انجام معاینات دوره ای و تشخیص بموقع بیماری می تواند مانع از بروز نابینایی شود. معاینات دوره ای شامل تصویربرداری از ته چشم و تحلیل تصاویر توسط افراد متخصص برای مشاهده تغییرات سریع در الگوی عروق خونی و بروز ضایعات مختلف می باشد. این روش معاینه بسیار زمانبر، پرهزینه و نیازمند افراد متخصص می باشد. طراحی سیستمی خودکار برای تشخیص رتینوپاتی دیابتی ضروری می باشد. با این وجود مشکلاتی از جمله عدم کیفیت مناسب تصاویر شبکیه مانع از خودکار بودن کامل یک سیستم غربالگری می شود. زیرا اجزای آناتومی و ضایعات شبکیه در تصاویر با کیفیت نامطلوب به خوبی قابل رویت نمی باشد. بنابراین پردازش چنین تصاویری به منظور تشخیص بیماری، شناسایی ضایعات و اجزای آناتومی با مشکل روبرو شده و سبب کاهش کارایی سیستم غربالگری می شود. چنین تصاویری معمولا به صورت غیرخودکار تشخیص داده شده و مجددا تهیه می شود. هدف ما در این پایان نامه، طراحی یک سیستم غربالگری رتینوپاتی دیابتی کاملا خودکار با قابلیت ارزیابی کیفیت تصاویر شبکیه می باشد. الگوریتم های پیشنهادی ارزیابی کیفی تصاویر شبکیه مبتنی بر ویژگی های عمومی و ویژگی های ساختاری تصویر می باشد. در این روش ها از ویژگی های عمومی تصویر مانند وضوح و اطلاعات ساختاری مانند میزان رویت پذیری عروق خونی برای ارزیابی کیفی تصویر استفاده می شود. همچنین روشی برای غربالگری رتینوپاتی دیابتی ارائه شده است که مبتنی بر اطلاعات ساختاری و مورفولوژیکی تصویر می باشد. با توجه به اینکه اجزای سالم و ضایعات در تصاویر شبکیه از لحاظ ساختاری و مورفولوژیکی با یکدیگر متفاوت هستند، می توان با استفاده از الگوریتم تفکیک محتوای تصویر، عروق و ضایعات تصاویر شبکیه را از یکدیگر تفکیک کرد. سپس با استفاده از ویژگی های بافتی تصاویر ضایعات شبکیه، غربالگری رتینوپاتی دیابتی انجام می شود. برای ارزیابی الگوریتم های پیشنهادی از بانک استاندارد messidor و بانک محلی بیمارستان خاتم الانبیا استفاده شده است. مقادیر sensitivity و specificity حاصل از سیستم پیشنهادی به ترتیب برابر با 92.01% و 95.45% می باشد.