دوره 70، شماره 4 - ( 4-1391 )                   جلد 70 شماره 4 صفحات 256-250 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

M P H, H S, Sh A, A J, M B K. Designing a new CAD system for pulmonary nodule detection in High Resolution Computed Tomography (HRCT) images. Tehran Univ Med J 2012; 70 (4) :250-256
URL: http://tumj.tums.ac.ir/article-1-126-fa.html
حسینی محمدپارسا، سلطانیان‌زاده حمید، اخلاق‌پور شهرام، جلالی علی، بخشایش کرم مهرداد. طراحی سیستم کمک تشخیص کامپیوتری نوین به منظور شناسایی ندول‌های ریوی در تصاویر سی‌تی ‌اسکن. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1391; 70 (4) :250-256

URL: http://tumj.tums.ac.ir/article-1-126-fa.html


1- گروه مهندسی برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، mp.hosseini@ymail.com
2- دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران
3- بیمارستان سینا، دانشگاه علوم پزشکی تهران
4- دانشکده مهندسی برق و کامپیوتر، دانشگاه شهید بهشتی
5- بیمارستان مسیح دانشوری، دانشگاه علوم پزشکی شهید بهشتی
چکیده:   (8307 مشاهده)
زمینه و هد ف: بیماری های ریوی و در رأس آن سرطان ریه از شای ع ترین و خطرنا ک ترین بیماری هایی هستند که روزانه افراد زیادی را به کام مرگ م ی کشانند. در این مقاله یک سیستم کمک تشخیصی مکانیزه جهت شناسایی ندول های ریوی به عنوان یکی از علایم اصلی بیماری های ریه ارایه خواهد شد. روش بررسی: در یک کارآزمایی بالینی 25 بیمار ریوی مراجعه کننده به بیمارستان مسیح دانشوری تهران که در تصاویر آن ها ندول ریوی مشاهده گردید به طور تصادفی به دو گروه مورد با جمعیت پانزده ( 9 زن و شش مرد با HRCT 39 سال ) ±4/ 43 سال ) و گروه ناظر با جمعیت ده (شش زن و چهار مرد با میانگین سنی 91 ±5/ میانگین سنی 63 تقسیم شدند . با اعمال روش های پردازش و تحلیل تصاویر پزشکی و استفاده از الگوریتم های شناسایی آماری الگو سیستمی مکانیزه جهت شناسایی خودکار ندول ریوی ارایه گردید. یافت هها: به وسیله رو ش های بخش بندی تصاویر پزشکی نسج اصلی ریه ها از بقیه تصاویر دو بعدی جدا شدند . در مرحله بعد موارد مشکوک شامل رگ، برونش، ندو ل و غیره به صورت رنگی برچسب گرفتند . سپس ویژگی های مشخصه ندول ها به دست آمدند . در نهایت جهت کلاسه بندی با استفاده از شبکه عصبی مصنوعی ندو لهای موجود در تصویر از بقیه موارد تفکیک و مشخص گردیدند. .در مرحله بعد موارد مشکوک شامل رگ، برونش، ندو ل و غیره به صورت رنگی برچسب گرفتند . سپس ویژگی های مشخصه ندول ها به دست آمدند . در نهایت جهت کلاسه بندی با استفاده از شبکه عصبی مصنوعی ندو لهای موجود در تصویر از بقیه موارد تفکیک و مشخص گردیدند نتیجه گیری: با توجه به پیچیدگی و ساختارهای متنوع ندو ل ها و تعد اد زیاد تصاویر س ی تی مربوط به کات های مختلف ریه، پیدا کرد ن ندول ریوی از میان موارد مشکوک کاری دشوار، زمان بر و با احتمال خطای انسانی برای پزشکان ندول ریوی را از موارد مشکوک آشکار ساخته است. (P<0/ متخصص می باشد. خروجی سیستم پیشنهادی به خوبی..
متن کامل [PDF 4882 kb]   (9379 دریافت)    

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb