طراحی نرم افزار کمک دستیار پزشک جهت آشکارسازی اختلالات عروقی در تصاویر شبکیه چشم بیماران دیابتی

Abstract

مقدمه: رتینوپاتی دیابتی عارضه ناشی از دیابت است و یکی از شایع ترین علل نابینایی در جمعیت کاری جهان می باشد. تشخیص به موقع بیماری رتینوپاتی از تصاویر شبکیه می¬تواند به محدود کردن گسترش بیماری کمک کرده و چشم پزشکان را در درمان سریع تر یاری نماید. اخذ تصاویر در فواصل زمانی معین از بیمار و ثبت این تصاویر نیز امکان مطالعه بر روند تغییرات الگوها و مراحل مختلف پیگیری پیشرفت بیماری بر روی شبکیه را فراهم می سازد. همچنین می¬توان در مکانهای که امکان دسترسی به پزشک متحصص وجود ندارد استفاده شود. این نرم افزار با تسهیل امر غربالگری چشم بیماران دیابتی با ارتقاء کیفیت تصاویر و آشکارسازی اختلالات شبکیه چشم به پزشکان و متحصصین در تشخیص، ارجاع و پیگیری بیماران کمک می نماید. با استفاده از این نرم افزار ضمن کاهش حجم کار پزشک، در جهت ارتقاء سلامت جامعه حرکت کرده که این در راستای طرح تحول نظام سلامت گام موءثری خواهدبود. با توجه به نوآوارانه بودن طرح با به کارگیری همکاران مهندس پزشک فرصتهای شغلی می¬نماید. مواد و روش ها: در این پایان نامه ویژگی های بالینی مرتبط با شبکیه چشم مطالعه و به منظور تشخیص آنها الگوریتم های خاصی نوشته شد. این الگوریتم ها شامل الگوریتم های استخراج عروق شبکیه چشم، استخراج اپتیک دیسک، استخراج اگزودیت ها و شبکه های CNN و AlexNet می باشد. سپس الگوریتم ها در محیط GUI مت لب پیاده سازی شد و طراحی به گونه ای صورت گرفت که میتوان تمام عملیات ها را بر روی یک تصویر اعمال کرد. جهت بررسی این اختلالات از تصاویر بالینی تهیه شده در بیمارستان نیکوکاری و تصاویر پایگاه های داده DRIVE, diaretdb1, diaretdb2, Retinal Image Bank و تصاویر شبکیه چشم پایگاه داده دانشگاه علوم پزشکی اصفهان استفاده شد. برای مقایسه و بررسی نتایج حاصله در بخش های استخراج اگزودیت ها و استخراج عروق شبکیه چشم از تصاویر پایگاه داده DRIVE و diaretdb1 استفاده شد و نتایج با استاندارد های این پایگاه ها مقایسه شد. یافته ها: نتایج بخش های مختلف با سه پارامتر مهم حساسیت، ویژگی و دقت مورد بررسی قرار گرفت و نتایج هر بخش به صورت مجزا بیان شد. در بخش استخراج عروق پس از مقایسه پیکسل با پیکسل نتایج به دست آمده و استاندارد های موجود، میانگین سه پارامتر حساسیت ، ویژگی و دقت برای 20 تصویر این پایگاه به ترتیب75/91 و97/98 و 91/98 به دست آمد. در بخش استخراج اپتیک دیسک بعد از استخراج اپتیک دیسک و تهیه تصاویر استاندارد برای مقایسه نتایج، مقادیر حساسیت، ویژگی و دقت برای 20 تصویر پایگاه داده diaretdb1 محاسبه شد که به ترتیب مقادیر 31/97 ، 99/98 و 51/98 به دست آمد. در بخش استخراج اگزودیت پس از مقایسه پیکسل با پیکسل نتایج به دست آمده و استاندارد های موجود، میانگین حساسیت، ویژگی و دقت برای 20 تصویر پایگاه diaretdb1 به ترتیب96/86 و 38/94 و 48/90 به دست آمد. همچنین برای شبکه CNN میانگین مقادیر پارامتر حساسیت ، ویژگی و دقت برای دیتا های آموزش داده شده به ترتیب 100 و 26/98 و 88/98 و برای دیتا های آموزش داده نشده 77/77 و 90/90 و 85به دست آمد. و برای شبکه AlexNet میانگین مقادیر حساسیت، ویژگی و دقت برای دیتا های آموزش داده شده به ترتیب 47/90 و 100 و 76/97 و برای دیتا های آموزش داده نشده 33/53 و 100و 65 به دست آمد. نتیجه گیری: با استفاده از محیط GUI می توان یک گام به طراحی نرم افزار کلینیکی نزدیک تر شد و از طرفی با یک بار بازخوانی تصویر می توان تمام عملیات ها را بر روی یک تصویر انجام داد. در بخش های کلاس بندی تصاویر حاوی Beading و Loop با توجه به محدود بودن تعداد تصاویر از تکنیک Data Augmentation در شبکه CNN استفاده شد و نتایج به دست آمده مناسب بود اما برای دست یابی به نتایج خوب نیاز به تعداد دیتای زیاد است. در شبکه AlexNet نتایج به دست آمده نسبت به شبکه CNNضعیف تر بود که ناشی از کم بودن تعداد دیتا ها برای آموزش است.