دوره 6، شماره 3 - ( پاییز 1398 )                   جلد 6 شماره 3 صفحات 230-218 | برگشت به فهرست نسخه ها

XML English Abstract Print


دکتری مهندسی کامپیوتر، دانشیار، گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور نجف آباد، نجف آباد، ایران
چکیده:   (4227 مشاهده)
مقدمه: رتینوپاتی دیابتی، تأثیر مخرب دیابت بر رگ‌های خونی شبکیه است که تشخیص دیرهنگام آن می‌تواند باعث نابینایی شود. میکروآنوریسم‌ها از علائم اولیه این بیماری هستند که تشخیص زودهنگام آن‌ها باعث درمان به‌موقع و مانع از پیشرفت بیماری می‌گردد. از آن‌جا که این بیماری بدون علامت است و تنها توسط پزشک قابل تشخیص است، بدین‌جهت نیاز است بیماران دیابتی به طور منظم مورد آزمایش قرار گیرند، از طرفی با توجه به این‌که رشد تعداد چشم پزشکان کمتر از رشد جمعیت مبتلا به دیابت است، تشخیص دستی ضایعه‌ها زمان‌بر بوده و هزینه زیادی را به ‌دنبال دارد؛ لذا طراحی سیستم‌های تشخیص خودکار ضروری است.
روش: در این مطالعه توصیفی-تحلیلی ابتدا تصاویر فوندوس شبکیه تحت پیش‌پردازش قرار گرفت، سپس نواحی کاندیدای میکروآنوریسم‌ها با استفاده از معیار metric و عملگرهای مورفولوژیک Bottom-hat و Hit-or-Miss تعیین و در مرحله بعد به استخراج ویژگی با استفاده از تجزیه و تحلیل مؤلفه اصلی برای تشخیص میکروآنوریسم‌های‌ واقعی پرداخته شد. برای ارزیابی الگوریتم پیشنهادی از تصاویر پایگاه داده DiaRetDB1 استفاده شد.
نتایج: هدف این پژوهش توسعه یک روش خودکار برای تشخیص میکروآنوریسم‌ها است که بتواند به متخصصین چشم در فرآیند غربالگری رتینوپاتی دیابت کمک کند، تا علائم این بیماری را سریع‌تر، آسان‌تر و با هزینه کمتر تشخیص دهند. در ارزیابی روش پیشنهادی، نرخ حساسیت %87/6، نرخ تشخیص %98/7 و دقت %85/7 به‌ دست آمد.
نتیجه‌گیری: با توجه به نتایج به دست آمده براساس پارامترهای ارزیابی، روش پیشنهادی از دقیق‌ترین الگوریتم‌های این حوزه است.
متن کامل [PDF 1478 kb]   (1672 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1397/8/30 | پذیرش: 1398/4/22

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.