تشخیص ناحیه ماکولا و فووآ با استفاده از تبدیل کرولت به منظور تشخیص آتوماتیک ماکولاپتی دیابتی

/شیرین حاجب محمد علیپور; ؛ حسین ربانی، علیرضا مهری دهنوی; ؛ محمد رضا اخلاقی

خط مشی دسترسی

فارسی

X

X

جستجوی مدارک

X

تمام متن

X

منابع دیجیتالی

نام مرکز	:	دانشگاه علوم پزشکی اصفهان
نوع مدرک	:	پایان نامه فارسی
زبان مدرک	:	فارسی
شماره رکورد	:	100994
شماره مدرک	:	‭ت۱۳۲۵۵‬
شماره راهنما	:	‭WK،۸۳۵،ح۱۳۴ت،۱۳۹۰‬
سرشناسه	:	‏ حاجب محمد علیپور‏ ، شیرین
عنوان	:	تشخیص ناحیه ماکولا و فووآ با استفاده از تبدیل کرولت به منظور تشخیص آتوماتیک ماکولاپتی دیابتی [پایان‌نامه]
نویسنده	:	/شیرین حاجب محمد علیپور
استاد راهنما	:	؛ حسین ربانی، علیرضا مهری دهنوی
استاد مشاور	:	؛ محمد رضا اخلاقی
محل تحصیل	:	دانشکده پزشکی
سال تحصیل	:	، ‭۱۳۹۰‬
مقطع تحصیلی	:	کارشناسی ارشد، رشته مهندسی پزشکی
تاریخ دفاع	:	‭1390/07/28‬
صفحه شمار	:	‮ص ‭۴۲‬‬: مصور، جدول
يادداشت	:	این یک پایان نامه تحقیقاتی به شماره‭ ۳۹۰۰۸۳ ‬است
يادداشت	:	چاپی
چکيده	:	دیابت اثرات نامطلوبی روی عروق خونی شبکیه چشم بر جای می گذارد. این عارضه رتینوپاتی دیابتی نام دارد که در مراحل پیشرفته تر حتی ممکن است منجر به نابینایی فرد شود.زیرا با پیشرفت بیماری، ناهنجاری های ناشی از دیابت، ناحیه بینایی مرکزی یعنی ماکولا را درگیر خواهند کرد. چنانچه به موقع به وجود رتینوپاتی دیابتی پی برده شود، می توان سرعت پیشرفت بیماری را کنترل کرد. بنابراین لازم است بیماران دیابتی حداقل سالی یک بار توسط چشم پزشک معاینه شوند تا وجود یا عدم وجود رتینو پاتی بررسی شود. از این رو متخصصین چشم پزشکی مجبورند وقت زیادی صرف این کار کنند. برای این منظور روش های آنالیز اتوماتیک پیشنهاد می شوند. در مطالعه حاضر به بررسی تصاویر حاصل از عروق ته چشم پرداخته می شود. قبل از هر چیز روشی جدید بر پایه تبدیل کرولت و عملگرهای مورفولوژیکی جهت استخراج ناحیه مرکزی فاقد رگ ماکو‭(Foveal Avascular Zone)‬ ارائه می شود. سپس‭ ۶ ‬ویژگی مهم که در مراحل مختلف رتینو پاتی دیابتی مقادیر مختلفی به خود می گیرند استخراج می شوند. این ویژگی ها عبارتند از: مساحت مربوط به عروق خونی، مساحت اگزودیت ها، مساحت ‭FAZ‬، منظمی ‭FAZ‬، تعداد میکروآنرسیسم های موجود در ناحیه مرکزی فاقد رگ ماکولا و تعداد کل میکروآنرسیم ها. در ضمن عروق و اگزودیت ها با استفاده از تبدیل کرولت استخراج می شوند. میکروآنرسیسم ها نیز با به کارگیری روش جدیدی بر اساس تبدیل کرولت و عملگرهای مورفولوژیکی استخراج می شوند. درنهایت این ویژگی ها وارد الگوریتم بردارهای پشتیبان ‭(SVM)‬ می شوند. تا بتوان نمونه های مختلف رتینوپاتی دیابتی را به سه دسته کلی نرمال، متوسط و شدید تقسیم بندی کرد. نتایج نشان می دهد این روش با میانگین حساسیت - ویژگی برابر با‭ ۹۵/۲۶ ‬درصد و‭۹۸/۱۳ ‬درصد قادر به شناسایی ‭FAZ‬ و با مقدار حساسیت - ویژگی‭ ۱۰۰ ‬درصد و‭ ۱۰۰ ‬درصد قادر به کلاس بندی نمونه ها می باشد
توصیفگر	:	۱. رتینوپاتی دیابتیک.- کلیدواژه‌ها: بیماری های شبکیه ناشی از دیابت- تشخیص
	:	رگ های خونی
	:	عکس برداری تشخیصی
	:	Diabetic Retinopathy- diagnosis
	:	Blood Vessels
	:	Diagnostic Imaging
شناسه افزوده	:	ربانی، حسین، استاد راهنما
	:	مهری دهنوی، علیرضا، استاد راهنما
	:	اخلاقی، محمدرضا، استاد مشاور
شناسه افزوده	:	دانشکده پزشکی