دوره 32، شماره 286: هفته سوم تیر ماه 1393:726-739

استخراج اتوماتیک مرز اجسام لیشمن موجود در نمونه‌های مغز استخوان بیماران مبتلا به لیشمانیازیس احشایی

ماریا فرهی, حسین ربانی, اردشیر طالبی

چکیده


مقدمه: تشخیص خودکار مرز در تکنیک‌های پردازش تصویر، یکی از مهم ترین مراحل تشخیص بیماری توسط کامپیوتر می‌باشد که دقت و صحت مراحل بعدی به طور حساسی به آن وابسته است. پس از رنگ‌آمیزی تصاویر میکروسکوپی میزان آرتیفکت‌های تصویر افزایش می‌یابد. از این رو، یافتن مرز دقیق اشیا به منظور استخراج ویژگی دقیق بسیار مهم می‌باشد.

روش‌ها: در این مقاله، با پردازش تصاویر میکروسکوپی گرفته شده از نمونه‌های حاصل از آسپیراسیون مغز استخوان افراد مبتلا به بیماری لیشمانیازیس احشایی، به کمک روش‌های آستانه‌گذاری اوتسو (Otsu)، ساوولا (Sauvola) و k-میانگین، جسم لیشمن به صورت خودکار بخش‌بندی شد. به منظور جمع‌آوری مجموعه‌ی تصاویر، دوربین عکس‌برداری دیجیتال 9Sony DSC-H متصل به میکروسکوپ نوری 200RF40Olympus-CH استفاده گردید. روش‌های پیشنهادی بر روی 20 تصویر میکروسکوپی آزمایش گردید. جهت شناسایی اجسام لیشمن از بین موارد استخراج شده، برای هر کاندید ویژگی‌های هندسی مانند کشیدگی، نرخ مساحت، گردی، استحکام و ویژگی‌های بافتی مانند میانگین، واریانس، همواری، ممان سوم، یکنواختی و آنتروپی محاسبه شد. سپس با استفاده از طبقه‌بند شبکه‌ی عصبی جلوسو، اجسام موجود به دو گروه سالم و معیوب طبقه‌بندی شدند.

یافته‌ها: در هر روش، به منظور یافتن بهترین حالت اجرایی ممکن، مقایسه‌ای صورت گرفت و مشخص گردید که استفاده از سطح پنج برای روش اوتسو، مقدار آستانه 1/0 برای روش ساوولا و تعداد خوشه‌ی پنج برای روش k-میانگین، کمترین میزان خطای استخراج مرز را به دنبال دارند.

نتیجه‌گیری: نتایج به دست آمده پس از مقایسه‌ی دستاوردها با نظر پزشک متخصص، نشان داد که روش ساوولا دارای کمترین خطای استخراج مرز و روش اوتسو بهترین روش برای شناسایی جسم لیشمن می‌باشد.

 


واژگان کلیدی


تشخیص بیماری توسط کامپیوتر؛لیشمانیازیس احشایی؛جسم لیشمن؛بخش‌بندی؛استخراج مرز

تمام متن:

PDF

مراجع


Garcia LS. Diagnostic medical parasitology. 5th ed. Washington, DC: ASM Press; 2007.

Markle WH, Makhoul K. Cutaneous leishmaniasis: recognition and treatment. Am Fam Physician 2004; 69(6): 1455-60.

World Health Organization. Strategic Direction for Research: Leishmaniasis [Online]. [cited 2002 Feb]; Available from: URL: www.who.int/tdr

Talari SA, Sadr F. Treatment of cutaneous Leishmaniasis: effectiveness, and adverse effects of the drugs. Feyz 2001; 5(1): 85-94. [In Persian].

Pagadala P. Tumor border detection in epiluminescence microscopy images [Thesis]. Columbia, MO: Department of Electrical and Computer Engineering, University of Missouri 1998.

Schmid P. Segmentation of digitized dermatoscopic images by two-dimensional color clustering. IEEE Trans Med Imaging 1999; 18(2): 164-71.

Erkol B, Moss RH, Stanley RJ, Stoecker WV, Hvatum E. Automatic lesion boundary detection in dermoscopy images using gradient vector flow snakes. Skin Res Technol 2005; 11(1): 17-26.

Cucchiara R, Grana C, Seidenari S, Pellacani G. Exploiting color and topological features for region segmentation with recursive fuzzy C-means. Machine Graphics & Vision International Journal 2002; 11(2-3): 169-82.

Wan Y, Shi D. Joint exact histogram specification and image enhancement through the wavelet transform. IEEE Trans Image Process 2007; 16(9): 2245-50.

Otsu N. A Threshold Selection Method from Gray-Level Histograms. IEEE Systems, Man, and Cybernetics Society 1979; 9(1): 62-6.

Sauvola J, Pietikäinen M. Adaptive document image binarization. Pattern Recognition 1999; 33(2000): 225-36.

Alpaydin E. Introduction to machine learning. Cambridge MA: The MIT Press; 2004.

Gonzalez R, Woods R, Eddins S. Digital image processing using MATLAB. 2nd ed. Knoxville, TN: Gatesmark Publishing; 2009.

Celebi ME, Kingravi HA, Iyatomi H, Aslandogan YA, Stoecker WV, Moss RH, et al. Border detection in dermoscopy images using statistical region merging. Skin Res Technol 2008; 14(3): 347-53.

Glas AS, Lijmer JG, Prins MH, Bonsel GJ, Bossuyt PM. The diagnostic odds ratio: a single indicator of test performance. J Clin Epidemiol 2003; 56(11): 1129-35.




Creative Commons Attribution-NonCommercial 4.0

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 Unported License which allows users to read, copy, distribute and make derivative works for non-commercial purposes from the material, as long as the author of the original work is cited properly.