fa مروری بر سیستم‌های تشخیص خودکار آمبولی ریوی در تصاویر توموگرافی کامپیوتری آنژیو تخصصي Special مقاله مروری تشریحی Narrative review articles <p dir="RTL" style="text-align:justify;"><span style="font-size:14px;"><span style="font-family: tahoma;"><strong><span style="color: black;">مقدمه:</span></strong> تصاویر توموگرافی کامپیوتری آنژیو ریه به صورت گسترده در شناسایی آمبولی ریوی استفاده می‌شوند. استفاده از این برش نازک برای بررسی عملکرد بالینی ریه امری ضروری است، اما باعث افزایش حجم بار زمانی رادیولوژیست می‌شود. از این رو سیستم‌های متعددی برای شناسایی آمبولی طراحی شده است. هدف از این مقاله، مروری بر سیستم‌های تشخیص آمبولی ریوی و ارزیابی عملکرد آن‌ها است.</span></span></p> <p dir="RTL" style="text-align:justify;"><span style="font-size:14px;"><span style="font-family: tahoma;"><strong><span style="color: black;">روش:</span></strong> در این مطالعه کلیه مقالات موجود در پایگاه‌های اطلاعاتی <span dir="LTR">IEEE</span>، <span dir="LTR">Science Direct</span>، <span dir="LTR">Medical Physics</span>، <span dir="LTR">SPIE</span> در زمینه پردازش تصاویر توموگرافی کامپیوتری آنژیو ریه و سیستم‌های تشخیص با کمک کامپیوتر، مورد بررسی قرار گرفته است. تعداد 16 مقاله در بین سال‌های 2002 تا 2015 استخراج شدند. هر مقاله یک سیستم شناسایی خودکار آمبولی ارائه می‌دهند که با استفاده از تحلیل کمی و کیفی آن‌ها را مورد ارزیابی قرار می‌دهیم. روش‌های ارزیابی روی تعداد بانک تصاویر، حساسیت و میزان خطای مثبت صورت می‌گیرند.</span></span></p> <p dir="RTL" style="text-align:justify;"><span style="font-size:14px;"><span style="font-family: tahoma;"><strong><span style="color: black;">نتایج</span></strong><strong>:</strong> سیستم‌های متنوعی برای شناسایی آمبولی طراحی شده است. بانک تصاویر تحت تأثیر عوامل مختلف همچون بیماری‌های ریوی، نویز، زمان تصویربرداری، تنوع وجود آمبولی در شاخه‌های اصلی، پیرامونی و تعداد داده‌ها است. بیشترین تعداد تصاویر 177 نمونه و کمترین آن 3 نمونه است. میزان حساسیت و تعداد خطای مثبت معیار مناسب دیگر است. در میان سیستم‌‌ها، میزان حساسیت 50 تا 100 درصد و میزان خطای مثبت در هر برش 22/6 تا 2 به دست آمده است. </span></span></p> <p dir="RTL" style="text-align:justify;"><span style="font-size:14px;"><span style="font-family: tahoma;"><strong>نتیجه‌گیری:</strong> بر طبق نتایج سیستم‌های تشخیص باید علاوه بر داشتن حساسیت بالا و خطای مثبت کم از یک بانک تصاویر زیاد که شامل آمبولی در شاخه‌های مختلف باشد، استفاده کنند.</span></span></p> <p style="text-align: justify;"><strong>Introduction:</strong> pulmonary computed tomography angiography (CTA) is widely used in the detection of pulmonary embolism. Using these thin slices for studying clinical function of lung is necessary, but it is time-consuming for radiologists. Therefore, several systems have been designed for detection of embolism. The aim of this study was to review and evaluate systems of detection of pulmonary embolism.</p> <p style="text-align: justify;"><strong>Method:</strong> In this study, all the articles in databases including IEEE, Science Direct, Medical Physics and SPIE in the field of processing pulmonary computed tomography angiograms and computer-aided detection systems were reviewed. A total of 16 articles between 2002 and 2015 were extracted. Each article presented one&nbsp; CAD system that was evaluated with quantitative and qualitative analysis. To assess systems, the number of images in database, sensitivity and false positive error rate were used.</p> <p style="text-align: justify;"><strong>Results:</strong> Various systems are designed to detect embolism. Image database is affected by different factors such as pulmonary diseases, noise, the time of taking image, diversity of pulmonary embolism in main and peripheral branches and the number of data. The maximum number of data was 177 samples and the minimum was 3 samples. Sensitivity and the number of false positive errors are good criteria. Among the CAD systems, the sensitivity was 50% to 100% and the rate of false positive was 2- 22.6 per scan.</p> <p style="text-align: justify;"><strong>Conclusion</strong>: According to the results, in addition to having high sensitivity and low false positive error, detection systems must have large image database of embolism in various branches of vessels.</p> <p style="text-align: justify;"></p> پردازش تصویر, سیستم‌های تشخیص با کمک کامپیوتر, توموگرافی کامپیوتری آنژیو, آمبولی ریوی Image Processing, Computer Assisted, Computed Tomography Angiography, Pulmonary Embolism 223 232 http://jhbmi.ir/browse.php?a_code=A-10-217-1&slc_lang=fa&sid=1 Mojtaba Masoudi مجتبی مسعودی masoudi.m1991@gmail.com 10031947532846003538 10031947532846003538 No دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. Hamidreza Pourreza حمیدرضا پوررضا hpourreza@um.ac.ir 10031947532846003539 10031947532846003539 Yes Ph.D. in Computer Engineering, Professor of Computer Engineering Department, Ferdowsi University of Mashahd, Mashhad, Iran. دکتری مهندسی کامپیوتر، استاد، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. Mahdi Saadatmand مهدی سعادتمند طرزجان saadatmand@kiaeee.org 10031947532846003540 10031947532846003540 No دکتری مهندسی پزشکی، استادیار، گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. Fateme Shafiei Zargar فاطمه شفیعی زرگر shafieezf921@mums.ac.ir 10031947532846003541 10031947532846003541 No دانشجوی دکتری تخصصی رادیولوژی، گروه رادیولوژی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Mahnaz Amini مهناز امینی AminiM@mums.ac.ir 10031947532846003542 10031947532846003542 No دکتری تخصصی ریه، استادیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Masoud Pezeshki Rad مسعود پزشکی راد Pezeshkiradm@mums.ac.ir 10031947532846003543 10031947532846003543 No دکتری تخصصی رادیولوژی، دانشیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.