| نام مرکز
|
:
|
دانشگاه علوم پزشکی اصفهان
|
| نوع مدرک
|
:
|
پایان نامه فارسی
|
| زبان مدرک
|
:
|
فارسی
|
| شماره رکورد
|
:
|
102342
|
| شماره مدرک
|
:
|
ت۱۵۲۲۵
|
| شماره راهنما
|
:
|
WP،۲۲۵،م۸۵۲ت،۱۳۹۳
|
| سرشناسه
|
:
|
مومن‌زاده، محمدرضا
|
| عنوان
|
:
|
تشخیص اتوماتیک کاندیدیازیس در تصاویر میکروسکوپی مربوط به نمونه های پاپ اسمیر با استفاده از تبدیل ریجلت [پایان‌نامه]
|
| نویسنده
|
:
|
/محمدرضا مومن‌زاده
|
| استاد راهنما
|
:
|
؛ علیرضا مهری دهنوی، اردشیر طالبی
|
| استاد مشاور
|
:
|
؛ حسین ربانی
|
| محل تحصیل
|
:
|
دانشکده فناوری های نوین علوم پزشکی
|
| سال تحصیل
|
:
|
، ۱۳۹۳
|
| مقطع تحصیلی
|
:
|
رشته مهندسی پزشکی ( گرایش بیوالکتریک) ، کارشناسی ارشد
|
| صفحه شمار
|
:
|
ث، ۴۸ ص.: مصور، جدول، نمودار
|
| يادداشت
|
:
|
این یک پایان نامه تحقیقاتی با شماره ۳۹۲۵۰۸ است
|
| يادداشت
|
:
|
چاپی
|
| چکيده
|
:
|
کاندیدیازیس واژینال بیماری شایع زنان است که در اثر رشد غیر طبیعی کاندیدا در مخاط دستگاه تناسلی زنان ایجاد می‌شود. رایج ترین روش تشخیص، مبتنی بر مشاهده مستقیم میکروسکوپی لام پاپ اسمیر به دست آمده از بیمار به منظور یافتن میسلیوم و کونیدیوم قارچ کاندیدا می‌باشد. با توجه به کوچکی اندازه قارچ کاندیدا و کم بودن گستره رنگی در تصاویر مربوط به نمونه‌های پاپ اسمیر، پیمایش سطح لام در زیر میکروسکوپ برای یافتن قارچ کاندیدا فرایندی خسته کننده و زمان بر است و نیاز به فردی متخصص برای انجام این کار دارد. هدف از این مطالعه تشخیص اتوماتیک کاندیدیازیس واژینال از طریق شناسایی و استخراج قارچ کاندیدا در تصاویر میکروسکوپی مربوط به نمونه‌های پاپ اسمیر با استفاده از تبدیل ریجلت می‌باشد. در این مطالعه فضای نمونه شامل ۲۰۰ تصویر دیجیتال میکروسکوپی است. به منظور جمع‌آوری مجموعه تصاویر، از تعداد ۴۹ نمونه پاپ اسمیر به وسیله دوربین عکس برداری دیجیتال NikonL V1 متصل به میکروسکوپ نوری Nikon Eclipse 50i تصویربرداری صورت گرفت. برای یکنواخت سازی تصویر از فیلتر کلاهکی پیش زمینه و برای افزایش کنتراست از ناهمبستگی رنگی به همراه کنش خطی کنتراست استفاده گردید. برای بخش بندی میسلیوم قارچ از تبدیل ریجلت استفاده گردید. برای استخراج میسلیوم و کونیدیوم از ویژگی های هندسی مانند مساحت، قطر بزرگ، قطر کوچک، گریز از مرکز، محیط و تراکم به وسیله دسته بندی درخت تصمیم استفاده گردید. نتایج این تحقیق نشان داد که الگوریتم طراحی شده در تشخیص قارچ کاندیدا دارای ویژگی ۹۱/۹۹ درصد و با حساسیت ۹۲/۲۷ درصد می‌باشد. با توجه به نتایج فوق در صورتی که این نرم‌افزار به صورت موتورایز درآید به جهت جلوگیری از خستگی چشم وافزایش دقت پاتولوژیست ها به عنوان همیار پزشک در تشخیص قابل استفاده می‌باشد
|
| توصیفگر
|
:
|
واژینوز باکتریایی- تشخیص
|
|
|
:
|
کاندیدیاز ولووواژینال
|
|
|
:
|
کاندیدا
|
|
|
:
|
گستره های واژنی
|
|
|
:
|
تصویرپردازی با کامپیوتر
|
|
|
:
|
Vaginosis, Bacterial- diagnosis
|
|
|
:
|
Candidiasis, Vulvovaginal
|
|
|
:
|
Candida
|
|
|
:
|
Vaginal Smears
|
|
|
:
|
Image Processing, Computer-Assisted
|
|
|
:
|
Biomedical Engineering
|
|
|
:
|
Papanicolaou Test
|
| شناسه افزوده
|
:
|
مهری دهنوی، علیرضا، استاد راهنما
|
|
|
:
|
طالبی، اردشیر، استاد راهنما
|
|
|
:
|
ربانی، حسین، استاد مشاور
|
| شناسه افزوده
|
:
|
دانشکده فناوری های نوین علوم پزشکی
|