آشکارسازی اختلالات عروقی شبکیه چشم بیماران دیابتی با استفاده پردازش تصاویر طیفی رنگی
چکیده
هدف از انجام این مطالعه،توسعه روشصهای خودکار بر اساس سایر مطالعات و تحقیقات انجام یافته برای آشکارسازی اختلالات عروقی و نواحی ایسکمیک در تصاویر رنگی چشم بیماران رتینوپاتی با معیار حساسیت و ویژگی مورد قبول است. در این پایانصنامه ویژگیصهای بالینی مرتبط با شبکیه چشم مطالعه و به منظور تشخیص این ویژگیصها الگوریتمصهای مربوطهنوشته شد. روشصهای گوناگونی برای بخشصبندی تصاویر شبکیه به بخشصهای آناتومی مانند دیسک نوری و عروق و همچنین نواحی با ضایعات بالینی مانند اگزودا و شبکه مویرگی بدون خونرسانی بکار گرفته شد. مقایسه عملکرد شش الگوریتم پیشصپردازش به منظور انتخاب مفیدترین روش پیشصپردازش دربخشصبندی خودکار تصاویر،با استفاده از آنالیز آماری انجام گرفت. بخشصبندی عروق شبکیه توسط یکی از الگوریتمصهای مطالعه شده روی تصاویر شبکیه انجام شد. عملگرهای مورفولوژیکی ریاضی، برای بخش بندی نواحی اگزودا توسعه داده و روی تصاویر شبکیه اجراء شد. الگوریتمصهای بخشصبندی با محاسبهصیحساسیت و ویژگی با و بدون مراحل پیشصپردازش مورد ارزیابی قرار گرفت. به منظور دستیابی به نواحی ایسکمیک در تصاویر رنگی شبکیه دو مولفه قرمز و سبز تصویر با استفاده از محاسبه ویژگیصهای آماری بافت تصویر، شامل میانگین شدت، ضریب تغییرات، همواری، یکنواختی، آنتروپی و گشتاور چهارم مورد مطالعه قرار گرفت. مساحت زیر منحنی ROC با استفاده از برآورد غیرپارامتری به منظور اندازه گیری عملکرد کلی ویژگیصهای بافت توسط نرمصافزار SPSSمحاسبه شد.مقدار میانگین حساسیت و ویژگی الگوریتم بخشصبندی عروق روی تصاویر اصلی در مقایسه با تصاویر استاندارد موجود به ترتیب 69 و 97بدست آمد.بااستفاده ازبهبود کنتراست محلی به عنوان پیشصپردازش در الگوریتم بخشصبندی عروق خونی مقدار میانگین حساسیت 74 بدست آمد. در مقایسه با یک استاندارد مرجع بالینی، تصاویر حاوی نواحی اگزودا با حساسیت 76 و ویژگی 98بخشصبندی شدند. ارزیابی آماری ویژگیصهای بافت نواحی بدون خونرسانی و نواحی سالم شبکیه اختلاف معنیصداری، p<0.05، رابین این دو ناحیه در بعضی ویژگیصهای معرفی شده نشان داد.