دوره 8، شماره 1 - ( 3-1400 )
جلد 8 شماره 1 صفحات 11-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Safdarian N, Jafarnia Dabanloo N. Diagnosis of COVID-19 Disease Using Lung CT-scan Image Processing Techniques. jhbmi 2021; 8 (1) :1-11
URL: http://jhbmi.ir/article-1-529-fa.html
URL: http://jhbmi.ir/article-1-529-fa.html
صفدریان ناصر، جعفرنیا دابانلو نادر. تشخیص بیماری کووید-19 توسط تکنیک‌های پردازش تصاویر سی‌تی‌اسکن ریه. مجله انفورماتیک سلامت و زیست پزشکی. 1400; 8 (1) :1-11
دکتری مهندسی برق، دانشیار، گروه مهندسی پزشکی، دانشکده علوم و فناوری‌های پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (3527 مشاهده)
مقدمه: امروزه روش های متعددی جهت تشخیص بیماری کووید-19 مانند علائم بالینی مرتبط با بیماری و روش های تشخیصی با دقت بالاتر نظیر تصویربرداری سی تی اسکن از ریه ها استفاده میگردد. هدف از انجام این مطالعه دستیابی به یک روش تشخیصی دقیق جهت تشخیص هوشمند و خودکار بیماری کووید-19 با به کارگیری تکنیک های پردازش تصایر سی تی اسکن ریه ها و به کارگیری نتایج این روش به صورت ابزار تشخیصی دقیق به عنوان مکمل دستگاه سی تی اسکن میباشد.
روش: با به کارگیری الگوریتم های پردازش تصاویر دیجیتال مانند بخش بندی و استخراج ویژگی از تصاویر و استفاده از روش های مختلف تحلیل آماری بر روی ویژگی های مستخرج از تصاویر، به شناسایی بیماری کووید-19 (دیتای 79 نفر) از طریق تصاویر سی تی اسکن نمونه های مرد و زن دارای سنین مختلف پرداخته و به ارزیابی تأثیراتی که این بیماری روی ریه های افراد مبتلا میگذارد، پرداخته میشود. زمان و مکان انجام پژوهش به ترتیب در بهار سال 1399 و در دانشکده علوم و فناوری های پزشکی واحد علوم و تحقیقات تهران انجام گردیده است.
نتایج: این روش هوشمند بر پایه استخراج ویژگی از تصاویر سی تی اسکن ریه ها میتواند بر اساس دسته های مختلف (جنسیت، نوع آسیب ایجاد شده در اثر بیماری) با دقت بالا به تشخیص این بیماری بپردازد. با توجه به بررسی موقعیت درگیری بافت ریه در افراد مبتلا به کووید-19، مشخص گردید که اکثر افراد مبتلا در بخش های تحتانی هر دو ریه دچار تخریب بافت به مقدار بیشتر از لُب های میانی و فوقانی شده اند.
نتیجه‌گیری: الگوریتم ارائه شده در این مطالعه با دقت بالا قادر به تشخیص و تمایزپذیری داده های تصاویر اخذ شده از ریه های افراد سالم و بیماران مبتلا به کروناویروس میباشد.
روش: با به کارگیری الگوریتم های پردازش تصاویر دیجیتال مانند بخش بندی و استخراج ویژگی از تصاویر و استفاده از روش های مختلف تحلیل آماری بر روی ویژگی های مستخرج از تصاویر، به شناسایی بیماری کووید-19 (دیتای 79 نفر) از طریق تصاویر سی تی اسکن نمونه های مرد و زن دارای سنین مختلف پرداخته و به ارزیابی تأثیراتی که این بیماری روی ریه های افراد مبتلا میگذارد، پرداخته میشود. زمان و مکان انجام پژوهش به ترتیب در بهار سال 1399 و در دانشکده علوم و فناوری های پزشکی واحد علوم و تحقیقات تهران انجام گردیده است.
نتایج: این روش هوشمند بر پایه استخراج ویژگی از تصاویر سی تی اسکن ریه ها میتواند بر اساس دسته های مختلف (جنسیت، نوع آسیب ایجاد شده در اثر بیماری) با دقت بالا به تشخیص این بیماری بپردازد. با توجه به بررسی موقعیت درگیری بافت ریه در افراد مبتلا به کووید-19، مشخص گردید که اکثر افراد مبتلا در بخش های تحتانی هر دو ریه دچار تخریب بافت به مقدار بیشتر از لُب های میانی و فوقانی شده اند.
نتیجه‌گیری: الگوریتم ارائه شده در این مطالعه با دقت بالا قادر به تشخیص و تمایزپذیری داده های تصاویر اخذ شده از ریه های افراد سالم و بیماران مبتلا به کروناویروس میباشد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
