ORIGINAL_ARTICLE
ارائه یک روش مقاوم در برابر نشتی به منظور بخش بندی درخت راه های هوایی مبتنی بر بهینه سازی ویژگی های شکل
پیچیدگی ساختار درخت راه هوایی، اثر جزئی حجم بر شاخه های ریز و کنتراست پایین بین بافت های موجود در قفسه سینه، بخش بندی آن را دشوار می سازد. پدیده نشتی به عنوان یکی از بزرگ ترین مشکلات در مسیر بخش بندی تصاویر پزشکی به ویژه در موارد پیچیده ای مانند راه های هوایی است. روش اتصال فازی با بهره گیری همزمان از دو خاصیت اصلی تصاویر یعنی وجود همگونی در وکسل های متعلق به یک شی و وجود یک ارتباط درهم آمیخته بین آنها، و با در نظر گرفتن خاصیت فازی ذاتی تصاویر پزشکی، الگوریتم کارامدی برای بخش بندی ساختارهای پیچیده مانند راه های هوایی است. در رویکرد جدید اتصال فازی مبتنی بر خوشه یابی فازی FCM، که تحت عنوان FC-FCM به وسیله همین گروه مطرح شده است، ضمن عدم نیاز به تعیین متغیرهای اولیه، فضای جستجو نیز با بهره گیری از تابع عضویت فضایی فازی در فرایند برگشتی رشد هسته اولیه محدود شده است. اما در تعیین شاخه های پس از لایه سوم با نشتی مواجه می شود. امکان تشخیص نشتی فقط پس از رشد آن و فرایند زمان بر تکرار بخش بندی با متغیرهای جدید که روش متداول در رویارویی با پدیده نشتی است، ما را به سمت ارائه یک فرایند بهینه سازی مبتنی بر شکل در بطن الگوریتم اتصال فازی، برای جلوگیری از تشکیل نشتی به عنوان یک شیوه جدید رهنمون شده است. با در نظر گرفتن ساختار استوانه ای شاخه های درخت راه های هوایی تابع هزینه ای که شاخصی از میزان استوانه ای بودن است، معرفی و به کار گرفته شد. شایان ذکر است کمینه کردن آن به قرار گرفتن وکسل ها در نظام استوانه ای منجر گردید. با کاربرد رویکرد جدید اتصال فازی راه های هوایی تا لایه چهارم با دقت 92.92% استخراج شدند. با استفاده از فرایند بهینه سازی در بطن رویکرد جدید اتصال فازی، ضمن ممانعت از تشکیل نشتی، شاخه های درخت راه هوایی تا لایه ششم بخش بندی شد. چنان که نتایج نشان می دهد، الگوریتم پیشنهادی OPT-FC-FCM قادر به تشخیص شاخه ها، چهار برابر بیشتر از روش FC-FCM است. تعداد کل شاخه های بخش بندی شده در روش 65 OPT-FC-FCM شاخه است که نسبت به تعداد کل شاخه های استخراج شده از روش) FC-FCM با 15 شاخه) 4 برابر بیشتر است.
https://www.ijbme.org/article_13426_2c7356b07d5d8d4511ab2a3439a82280.pdf
2008-11-21
165
177
10.22041/ijbme.2008.13426
بخش بندی راه های هوایی
اتصال فازی
بهینه سازی شکل
تخمین مرکز
فرشته
یوسفی ریزی
fyousefi@razi.tums.ac.ir
1
کارشناس ارشد، گروه مهندسی و فیزیک پزشکی، مرکز تحقیقات علوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران
AUTHOR
علیرضا
احمدیان
ahmadian@sina.tums.ac.ir
2
دانشیار گروه مهندسی و فیزیک پزشکی، مرکز تحقیقات علوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران
LEAD_AUTHOR
جواد
علیرضایی
javad@ee.ryerson.ca
3
دانشیار گروه مهندسی برق و کامپیوتر، دانشگاه رایرسون
AUTHOR
عمادالدین
فاطمیزاده
fatemizadeh@sharif.edu
4
استادیار گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی شریف
AUTHOR
نادر
رضایی
drnaderrezaie@yahoo.com
5
استادیار گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی ایران
AUTHOR
ORIGINAL_ARTICLE
یک سیستم تشخیص به کمک کامپیوتر به منظور بازشناسی خودکار الگوهای بافت بینابینی ریه در تصاویر HRCT
تشخیص خودکار الگوهای پاتولوژیک ریوی در تصاویر HRCT بیماران مبتلا به ناهنجاری های بافت بینابینی ریه(ILD) ، مرحله ای مهم در ایجاد یک سیستم تشخیص به کمک کامپیوتر محسوب می شود. الگوریتم ارائه شده برای دسته بندی الگوهای بافت ریه شامل 3 مرحله است: در مرحله اول ریه از پس زمینه جدا می شود. در مرحله دوم دو بانک فیلتری موجک فوق کامل به نام های فریم های موجک گسسته (DWF) و فریم های موجک دوران یافته (RWF) برای استخراج ویژگی از نواحی مطلوب (ROI) تعریف شده درون بافت ریه استفاده می شوند؛ در نهایت الگوریتم k نزدیکترین همسایه فازی برای دسته بندی الگوها اعمال می گردد. در این مطالعه 4 الگوی مرتبط با) ILD شیشه مات، لانه زنبوری، رتیکولار و نرمال) از یک پایگاه داده شامل 340 تصویر HRCT انتخاب شده و مورد بازشناسی قرار می گیرند. عملکرد سیستم کامپیوتری با عملکرد دو رادیوژیست مورد ارزیابی قرار می گیرد. ضریب توافق کاپا بین سیستم و دو رادیولوژیست در مقایسه با ضریب توافق 0.6848 بین دو رادیولوژیست، به طور متوسط 0.6543 است. چنین سیستمی می تواند به بهبود تصمیم گیری و کارایی پزشک از طریق تسهیل کشف و ارزیابی الگوهای تصویری پیچیده، کاهش تفاوت میان مشاهده گرها و حذف اعمال تکراری و گاهی خسته کننده منجر شود.
https://www.ijbme.org/article_13427_3ebdad5a1c94e94ec225ddc1fe61d50b.pdf
2008-11-21
179
189
10.22041/ijbme.2008.13427
بخش بندی ریه
تصاویر HRCT
بیماری های بافت بینابینی ریه
فریم های موجک گسسته
فریم های موجک دوران یافته
طبقه بندی کننده k نزدیکترین همسایه فازی
آذر
طلوعی
azar_tolouee@ee.kntu.ac.ir
1
کارشناس ارشد مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی
AUTHOR
حمید
ابریشمی مقدم
moghadam@eetd.kntu.ac.ir
2
دانشیار گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی
LEAD_AUTHOR
معصومه
گیتی
p_gity@yahoo.com
3
دانشیار گروه رادیولوژی، دانشکده علوم پزشکی، دانشگاه علوم پزشکی تهران
AUTHOR
ORIGINAL_ARTICLE
فشرده سازی انتخابی تصاویر MRI سه بعدی با استفاده از مش بندی انطباقی تصویر و اعمال تبدیل ویولت مبتنی بر ناحیه
امروزه با توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است. بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند که به صورت انتخابی به کدگذاری تصاویر می پردازند. در این روش ها ابتدا تصویر را به دو ناحیه تقسیم می کنند که یکی از نواحی حاوی اطلاعات مهم پزشکی است و باید به صورت بدون اتلاف کد شود. ناحیه دیگر ناحیه ای است که می توان آن را به صورت دارای اتلاف اما با کیفیت بالا فشرده سازی کرد. در این مقاله ما به فشرده سازی تصاویر MRI سه بعدی به صورت انتخابی و مبتنی بر خواص ناحیه با ارائه یک روش جدید پرداخته ایم. بدین منظور پس از مشخص کردن نواحی موردنظر تصاویر، ابتدا برش اول تصویر را به صورت انطباق داده شده با داده های تصویر مش بندی می کنیم. سپس با محاسبه تغییرات هر المان مش در گذر از یک برش به برش دیگر، تخمینی از مقادیر شدت تصویر در برش های بعد به دست می آوریم. در ادامه با استفاده از تبدیل ویولت مبتنی بر ناحیه (RBDWT) و کد کننده OB-SPIHTمقادیر تصویر باقیمانده که از تفاضل برش های تصویر اولیه و تخمین آنها از روی برش قبل حاصل می شوند را کد می کنیم. در این روش ناحیه موردنظر تصویر به طور کامل بدون اتلاف بازیافت می شود.
https://www.ijbme.org/article_13428_30725308c8f1ee96705039b522bc4a42.pdf
2008-11-21
191
201
10.22041/ijbme.2008.13428
فشرده سازی
تصویربرداری تشدید مغناطیسی
تبدیل ویولت مبتنی بر ناحیه
OB-SPIHT
ناحیه موردنظر
عمادالدین
فاطمیزاده
fatemizadeh@sharif.edu
1
استادیار گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی شریف
LEAD_AUTHOR
پریسا
شوشتری
parisa_shooshtari@yahoo.com
2
کارشناس ارشد مهندسی پزشکی (بیوالکتریک)، دانشکده مهندسی برق، دانشگاه صنعتی شریف
AUTHOR
ORIGINAL_ARTICLE
به دست آوردن جداره های داخلی بطن چپ به کمک روش سریع مار بی-اسپیلاین تطبیق پذیر و ارائه مدل سه بعدی برای بطن چپ
در این فعالیت تحقیقاتی سعی شده است تا با استفاده از روش مار بی- اسپیلاین، جداره های داخلی بطن چپ قلب استخراج شود. با اعمال اصلاحات و تغییرات مختلف سرعت همگرایی پاسخ و توانایی دوام در برابر اغتشاش افزایش یافته است. با کمک تعریف استراتژی اضافه کردن نقطه گره به کانتور امکان انعطاف بیشتر با حفظ بهینه بودن محاسبات به وجود می آید. به منظور افزایش قدرت و سرعت همگرایی در مراحل تکرار از روش قدرت تفکیک چندگانه استفاده شد. یکی دیگر از اقدامات اندیشیده شده شناسایی کانتور اولیه درون بطن چپ خودکار است. این کار به کمک استفاده از روابط ریاضی مباحث ریخت شناسی میسر شده است. همچنین با توجه به تغییرات سطح روشنایی در مکان های مختلف جداره داخلی بطن چپ ضرایب نیروها برای هر کدام از نقاط گره در هر مرحله درشت نمایی تعیین می شود. پس از آن به کمک روش سیمسون اصلاح شده حجم بطن محاسبه شده و با محاسبه حجم بطن در دو زمان پایان سیستول و پایان دیاستول نسبت برون دهی (از پارامترهای حیاتی قلب) محاسبه می شود. همچنین مدل سه بعدی بطن چپ به کمک توابع پایه بی- اسپیلاین ترسیم می شود. نتایج بدست آمده پس از مقایسه با نتایج بالینی بیانگر دقت بالا در انجام محاسبات است.
https://www.ijbme.org/article_13429_a7e991d95d7802de2bd78a23081727ac.pdf
2008-11-21
203
214
10.22041/ijbme.2008.13429
روش مار بی-اسپیلاین
تصاویر اکوکاردیوگرافی
شناسایی جداره ها
مدل سه بعدی بطن چپ
مهدی
مرصوصی
marsousi@psp.ir
1
کارشناس ارشد مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی
AUTHOR
جواد
علیرضایی
alirezaee@sina.tums.ac.ir
2
دانشیار، مرکز تحقیقات غلوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران
LEAD_AUTHOR
آرمن
کچاریان
arkomed@yahoo.com
3
استاد، مرکز طبی کودکان، دانشگاه علوم پزشکی تهران
AUTHOR
ORIGINAL_ARTICLE
استفاده از مش فعال برای تخمین شاخص های محلی و کلی بطن چپ از روی توالی تصاویر تشدید مغناطیسی قلبی
در این مقاله رویکرد جدیدی برای تجزیه و تحلیل دینامیک بطن چپ قلب مبتنی بر مدل شکل پذیر مش فعال 3D-AMM روی توالی از تصاویر تشدید مغناطیسی قلب مطرح می شود. این مدل بیان فشرده ای از مجموعه نقاط تصویر سه بعدی به دست می دهد که نتیجه تلفیق ریخت شناسی و هندسه هدف خواهد بود و با خواص کشسان قلب تزویج می شود. با برازش مدل به بردارهای جابه جایی پراکنده اولیه که به وسیله روند تناظریابی جدیدی به دست می آید، تغییر شکل بطنی تخمین زده می شود. به منظور توسعه مدل پیشنهادی قبلی، برش های میانی (بین برشی) و تقطیع آنها، به وسیله الگوریتم درون یابی مبتنی بر شکل نوینی، ایجاد شده است. ارزیابی با استفاده از اعمال الگوریتم بر روی 8 مجموعه توالی تصاویر (دو مجموعه توالی تصاویر مصنوعی و شش مجموعه حقیقی) انجام و نتایج به دست آمده با کارهای محققان دیگر مقایسه شده است. دقت این روش نیز بر روی تصاویر مصنوعی که به عنوان درستی زمینه در این تجزیه تحلیل ها شناخته شده، تخمین زده شده است. میانگین اندازه بردار خطا (تفاضل دو بردار میدان حرکت تخمینی و تحلیلی) کمتر ازmm 0.5 است. نتایج نشان می دهد، عملکرد این الگوریتم مقاوم، دقیق تر و بسیار سریع تر از الگوریتم های پیشنهادی قبلی ماست، به طوری که زمان اجرای الگوریتم تقریبا به میزان نصف کاهش یافته است. نتایج تخمین کرنش های نرمال بر روی تصاویر واقعی با نتایج به دست آمده از تجزیه و تحلیل چاپ شده از محققان دیگر، و همچنین نتایج آنالیز توالی تصاویر بیمار با مشاهدات بالینی مطابقت دارد.
https://www.ijbme.org/article_13430_5f355502a0eb5bdbb4dbae791cdab5d6.pdf
2008-11-21
215
231
10.22041/ijbme.2008.13430
مدل شکل پذیر
ردگیری سه بعدی
تصویربرداری تشدید مغناطیسی
مش فعال سه بعدی
تجزیه و تحلیل تصاویر
سعید
کرمانی
kermani@med.mui.ac.ir
1
استادیار، گروه فیزیک و مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان
LEAD_AUTHOR
حمید
ابریشمی مقدم
moghadam@eetd.kntu.ac.ir
2
دانشیار، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیر طوسی
AUTHOR
محمدحسن
مرادی
mhmoradi@aut.ac.ir
3
دانشیار، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
AUTHOR
ORIGINAL_ARTICLE
تشخیص اتوماتیک مکان لندمارک های سفالومتری بر روی تصاویر سفالوگرام بیماران ارجاع داده شده به دانشگاه علوم پزشکی اصفهان
به منظور پیش بینی رشد فک و صورت و امکان برنامه ریزی درمان های لازم، دانش سفالومتری از طریق مقایسه فک و صورت افراد مختلف بنیان گذاری شده است. تاکنون تلاش های زیادی به منظور اتوماتیک کردن آنالیزهای سفالومتری با هدف کاهش زمان لازم برای آنالیز، بهبود صحت تشخیص لندمارک ها و کاهش خطاهای حاصل از خستگی فرد متخصص صورت پذیرفته است. هدف این طرح تعیین مکان دقیق لندمارک های سفالومتری بر روی تصاویر دندانپزشکی است. در این طرح یک روش مبتنی بر ترکیب مدل های شکل پذیر و شبکه های عصبی بر روی تصاویر سفالومتری در دندانپزشکی پیشنهاد شده است. به این منظور در گام اول، تعدادی از مشخصات تصویر به وسیله یک فیلتر نفوذ غیرخطی و سپس روش تشخیص لبه سوسان استخراج شده اند تا اثر اندازه، چرخش و شیفت احتمالی جمجمه هنگام تصویربرداری مدلسازی شود. در گام بعدی یک شبکه عصبی برای طبقه بندی تصاویر سفالومتری بر اساس مشخصات هندسی آنها مورد استفاده قرار گرفته است. سپس با استفاده از شبکه آموزش یافته برای هر تصویر جدید ورودی، کلاس مربوط تشخیص داده شده، مکان تقریبی لندمارک ها تخمین زده می شود. سپس با اعمال روش مدل های شکل پذیر بر تصاویر مکان دقیق لندمارک ها در تصویر به دست می آیند و در نهایت یک مرحله تطبیق الگو به منظور تعیین مکان دقیق لندمارک ها بر روی تصاویر به کار برده می شود. برای بررسی صحت عملکرد سیستم از 20 تصویر سفالومتری استفاده شده و در هر تصویر 16 لندمارک مکان یابی می شود. هر یک از تصاویر تقریبا دارای ابعاد mm 170 در mm 200 بوده با قدرت تفکیک ) dpi100هر میلی متر معادل با 4 پیکسل) به صورت دیجیتال در آمده اند. به طور متوسط 24% از لندمارک ها در فاصله mm 1نقاط صحیح، 61% در فاصله mm 2 و 93% در فاصله mm 5 مکان یابی شده اند که بهبود چشمگیری نسبت به روش های قبل نشان می دهد. با توجه به نتایج حاصل مشاهده می شود استفاده از روش پیشنهادی در مقایسه با روش های موجود نتایج بسیار مطلوب تری را ارائه می نماید.
https://www.ijbme.org/article_13431_82269dcc79c12bfa615b84009628b7f7.pdf
2008-11-21
233
246
10.22041/ijbme.2008.13431
سفالومتری
مدل های شکل پذیر
فیلتر نفوذ غیر خطی
شبکه عصبی
روش تطبیق الگو
راحله
کافیه
r_kafieh@yahoo.com
1
کارشناس ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان
AUTHOR
علیرضا
مهری دهنوی
mehri@med.mui.ac.ir
2
دانشیار گروه مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان
LEAD_AUTHOR
سعید
صدری
sadri@cc.iut.ac.ir
3
دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان
AUTHOR
سید حمید
راجی
raji@dnt.mui.ac.ir
4
استادیار گروه ارتودنسی، دانشکده دندان پزشکی، دانشگاه علوم پزشکی اصفهان
AUTHOR
ORIGINAL_ARTICLE
آنالیز تصاویر چهره به منظور تشخیص خواب آلودگی
تشخیص خواب آلودگی در موارد زیادی از جمله کاهش تصادفات جاده ای اهمیت دارد. در این مقاله، الگوریتم های جدیدی به منظور تعیین مکان مردمک ها و دایره های عنبیه، لب ها و تشخیص وضعیت باز و بسته بودن چشم ها ارائه می شود که در نهایت بر اساس آنالیز چهره (باز و بسته بودن چشم ها و دهان) میزان سطح خواب آلودگی فرد تعیین می شود. در بیشتر روش های مبتنی بر آنالیز چهره با استفاده از یک پارامتر، خواب آلودگی فرد تشخیص داده شده است. روش های معدودی وجود دارند که از چندین پارامتر برای تشخیص خواب آلودگی استفاده می کنند و آنها نیز مبتنی بر داده های آموزشی و روشنگرهای مادون قرمزند. استفاده طولانی مدت از این روشنگر ها موجب آسیب شبکیه چشم می شود. بنابراین در این مقاله از روشنگرهای مادون قرمز استفاده نخواهد شد. همچنین با ترکیب چند پارامتر خواب آلودگی و عوامل محیطی، میزان سطح خواب آلودگی با دقت بالایی بدون نیاز به داده های آموزشی و سخت افزار خاص تعیین می شود. روش پیشنهادی به منظور تشخیص خواب آلودگی شامل 4 مرحله تشخیص ناحیه چهره، تعیین معیارهای خواب آلودگی به کمک چشم ها، تعیین معیار خواب آلودگی به وسیله دهان و تشخیص میزان سطح خواب آلودگی شخص است. مراحل مختلف روش پیشنهادی با روش های پیشین در شرایط متفاوت نوری و محیطی به وسیله مجموعه داده هایIMM ، HCE،CVL و 30 فیلم گرفته شده از 15 نفر مقایسه شده اند. در نهایت نیز قابلیت تشخیص سطح خواب آلودگی به وسیله روش پیشنهادی در 15 فرد خواب آلوده به طور موفقیت آمیز ارزیابی شده است. بدین صورت که در ابتدا وضعیت باز و بسته بودن چشم ها و دهان به ترتیب 94.3% و 95.1% درست تشخیص داده شده اند. سپس میزان سطح خواب آلودگی شخص در حالت های مختلف پلک زدن عادی، پلک زدن تند، صحبت کردن عادی، خمیازه کشیدن و بسته بودن طولانی مدت چشم ها مشخص شده است. در نهایت نیز اگر میزان سطح خواب آلودگی به دست آمده از حد آستانه 95% تجاوز کند، به شخص هشدار داده می شود.
https://www.ijbme.org/article_13432_d41d8cd98f00b204e9800998ecf8427e.pdf
2008-11-21
247
266
10.22041/ijbme.2008.13432
پوست
چشم
خواب آلودگی
عنبیه
دهان
مردمک
پونه
روشنی تبریزی
p.roshani@ece.ut.ac.ir
1
کارشناس ارشد مهندسی پزشکی، قطب کنترل و پردازش هوشمند، دانشکئه مهندسی برق و کامپیوتر، دانشگاه تهران
AUTHOR
رضا
آقایی زاده ظروفی
zoroofi@ut.ac.ir
2
دانشیار، قطب کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران
LEAD_AUTHOR