بهبود قابلیت آشکارسازی هسته های قاعده ای مغز در تصاویر اسکن SPECT ناحیه مغز فانتوم XCAT با استفاده از تبدیل ویولت در حوزه¬ پردازش تصویر

Abstract

امکان مدیریت بیماری پارکینسون در صورت تشخیص زودهنگام، به‌ دلیل اینکه بیماری در مراحل اولیه می‌باشد، بسیار زیاد است. این مطالعه در راستای بهبود کیفیت تصاویر رادیوایزوتوپی به‌منظور افزایش قابلیت آشکارسازی هسته‌های قاعده‌ای مغز در اسکن‌های SPECT ناحیه مغز فانتوم در حوزه پردازش تصویر در محیط نرم‌افزاری MATLAB صورت‌گرفته است. مواد و روش‌ها: شبیه‌سازی مغز انسان با استفاده از فانتوم دیجیتالی مغز XCAT با اکتیویته‌های مختلف هسته‌های Caudate و Putamen انجام شد. سپس شبیه‌سازی اسکن SPECT فانتوم با کد شبیه‌سازی SIMIND مونت‌کارلو مطابق دستگاه SPECT بیمارستان امام رضا (ع) تبریز اجرا گردید. پروجکشن‌های به‌دست‌آمده با روش‌ تکرارشونده بازسازی شده و یک تصویر مغز با جذب نرمال هسته‌های قاعده‌ای به‌عنوان تصویر ورودی جهت انجام فرایند پردازش تصویر با استفاده از تبدیل ویولت انتخاب شد. عمل دنویزینگ بر روی تصویر ورودی از طریق 9 روش ویولت در سطوح مختلف و سپس عمل قطعه‌بندی از طریق 6 روش صورت گرفت. تصاویر خروجی توسط پزشک متخصص پزشکی هسته‌ای که از سطوح مختلف روش‌های ویولت و قطعه‌بندی Adaptive Threshold بود جهت محاسبه معیارهای ارزیابیSensitivity ، Specificity و ضریب Dice موردانتخاب قرار گرفتند. این محاسبات براساس تصویر پاسخ صحیح مبنا که توسط پزشک متخصص مشخص شده بود انجام شد. یافته‌ها: قطعه‌بندی Adaptive Threshold در سطح 7 روش Biorthogonal ( Sensitivity = 94% ، Specificity = 79% ، ضریب Dice = 61%)، سطح 7 روش Coiflet ( Sensitivity = 98% ، Specificity = 78% ، ضریب Dice = 51%)، سطح 6 روش Daubechies ( Sensitivity = 98% ، Specificity = 78% ، ضریب Dice = 50%)، سطح 5 روش Haar ( Sensitivity = 96% ، Specificity = 80% ، ضریب Dice = 55%) و سطح 6 روش Morlet ( Sensitivity = 96% ، Specificity = 81% ، ضریب Dice = %62) و سطح 6 روش Symlet ( Sensitivity = 98% ، Specificity = 78% ، ضریب Dice = %53) به‌عنوان نتایج مطلوب درآشکارسازی مناسب‌تر هسته‌های قاعده‌ای مغز در تصاویر بازسازی‌شده از اسکن اسپکت مغز مشخص شدند.